TensorFlow深度学习实战——自定义图神经网络层 - 实践

TensorFlow深度学习实战——自定义图神经网络层

• • 0. 前言
  • 1. 自定义层和消息传递
  • 2. 利用 MPNN 实现自定义 GraphSAGE 层
  • 相关链接

0. 前言

我们已经学习了如何构建并训练图神经网络 (Graph Neural Network, GNN)以解决常见的图机器学习任务。实现过程中，我们选择使用预构建的 Deep Graph Library (DGL) 图卷积层，但针对具体问题，我们可能会需要 DGL 库中未提供的网络层。DGL 提供了一个消息传递 API，用于构建自定义图神经网络层。在本节中，我们介绍如何使用消息传递 API 构建自定义图卷积层。

1. 自定义层和消息传递

尽管 Deep Graph Library (DGL) 提供了许多预构建的图神经网络层，但有时这些网络层可能无法完全满足需求，因此需要构建自定义层。
研究表明，所有图神经网络层都基于图中节点之间消息传递的共同基本概念。因此，为了构建自定义图神经网络 (Graph Neural Network, GNN)层，我们需要了解消息传递的工作