引本篇博客介绍一个入门图神经网络(Graph Neural Network, GNN)的例子。严格来说,使用到的技术为图卷积神经网络(Graph Convolution Neural Network, GCN),看名字也就知道它是在卷积神经网络(Convolution Neural Network, CCN)的基础上改进而来。这里先做一个剧透:GCN就是在CNN的过程中加上一个图结构——邻接矩阵(Adjacency Matrix)。如果你已经对传统CNN结构有非常熟悉的了解,那么你可以非常轻松地看懂本篇博客。如果您对CNN和PyTorch还不够熟悉,可以先来看看我的其他博客:「卷积神经网络」深入浅出「Deep Learning」PyTorch初步认识关于图论(Graph Theory, GT)部分的知识,只会涉及到邻接矩阵,下文我会单独再进行讲解,如果你对GT感兴趣,可以参考我的这篇博客:图论入门——从基础概念到NetworkX案例介绍本案例来自《PyTorch深度学习和图神经网络(卷1)》,算是我自己的学习小总结,我在书本附带代码的基础上又进行了一定的优化。本案例的内容呢,主要是利用论文间的相互引用关系,设计一个GCN网络进行论文分类。具体的数据结构与内容会在下文详细介绍。代码实战1. 引包import hues
import torch
import numpy as np
i
...
继续阅读
(128)