前言
大家好,我是阿光。
本专栏整理了《图神经网络代码实战》,内包含了不同图神经网络的相关代码实现(PyG以及自实现),理论与实践相结合,如GCN、GAT、GraphSAGE等经典图网络,每一个代码实例都附带有完整的代码。
正在更新中~ ✨
🚨 我的项目环境:
- 平台:Windows10
- 语言环境:python3.7
- 编译器:PyCharm
- PyTorch版本:1.11.0
- PyG版本:2.1.0
🌠 『精品学习专栏导航帖』
- 🐧【Matplotlib绘制图像目录】Python数据可视化之美🐧
- 🎠【Pandas数据处理100例目录】Python数据分析玩转Excel表格数据🎠
- 🐳最适合入门的100个深度学习实战项目🐳
- 🐙【PyTorch深度学习项目实战100例目录】项目详解 + 数据集 + 完整源码🐙
- 🐶【机器学习入门项目10例目录】项目详解 + 数据集 + 完整源码🐶
- 🦜【机器学习项目实战10例目录】项目详解 + 数据集 + 完整源码🦜
- 🐌Java经典编程100例🐌
- 🦋Python经典编程100例🦋
- 🦄蓝桥杯历届真题题目+解析+代码+答案🦄
- 🐯【2023王道数据结构目录】课后算法设计题C、C++代码实现完整版大全🐯
对于本专栏的网络模型,分别使用了三种实现方式 PyG框架实现
、PyTorch实现
、Message Passing消息传递机制实现
,小伙伴可以按照自己的能力以及需求学习不同的实现方式。
🌈『目录』
📢 GCN
- (一):Pytorch+PyG实现GCN(基于PyG实现)
- (二):Pytorch实现GCN(基于PyTorch实现)
- (三):Pytorch实现GCN(基于Message Passing消息传递机制实现)
📢 GAT
- (一):Pytorch+PyG实现GAT(基于PyG实现)
- (二):Pytorch实现GAT(基于PyTorch实现)
- (三):Pytorch实现GAT(基于Message Passing消息传递机制实现)
注意🚨:所有文章使用的图数据是经典的 Cora
数据集,定义的训练轮数(200轮)以及损失函数优化器都是一致的,由于图网络很容易过拟合导致训练集的分类精度达到 99.9%
,所以下表中显示的数据都是基于测试集的。
Accuracy | Loss | |
GCN | 0.7200 | 1.3561 |
GAT | 0.7810 | 1.0362 |