当前位置: 首页 > news >正文

PyTorch图神经网络(四)

PyTorch图神经网络(四)

1.GraphSAGE

​ 从这里开始的第三篇,开始将更加偏向实际使用的图神经网络了。GraphSAGE是一种图神经网络架构,旨在处理大型图。

邻居采样:

​ 这里引入了一个基本概念:小批量。在大型图中,我们无法考虑图中的所有信息,因此,我们只能考虑节点以及他的邻居。书中的n跳意思就是走过n条边能够到达的点(这些边可以重复)。因此,每个图神经网络层都是根据节点的邻居计算该节点的嵌入,有n个GNN层就能够计算n跳的邻居。

​ 随着n的增大,n hop得到的邻居数量会迅速增长,因此,GarphSAGE提出了邻居采样,仅采样预定义数量的邻居。这使得聚合在大型图中能够实现。但是,这不是在大型图中融合特征的唯一方法,书中还说了Pinterst公司用随机游走实现了这一点。但本质上,都是通过人为的限制使得采集到的节点数量在能够计算的范围内。

聚合:

​ 上面已经说了如何选择相邻的节点,我们现在只需要知道如何计算嵌入即可。GraphSAGE作者提出了三种方案:

​ 1.均值聚合器

​ 2.长短期记忆(LSTM)聚合器

​ 3.池化聚合器

​ 还有其他更多的聚合器,但目的都是聚合相邻节点的嵌入来产生当前节点的嵌入。

​ 在书中对PubMed数据集进行分类训练的时候,是用邻居采样得到小型的图输入到网络中,预测中心点的类别;最终推理的时候把整张图都输入到网络中来预测每一个点的类别。

​ 后面关于蛋白质数据集的分类,虽然是多标签的数据集,但是本质和单标签的数据集一样,并且都是对节点进行分类,所以看懂代码就行了,重点是理解邻居采样和聚合的过程。

http://www.hskmm.com/?act=detail&tid=14991

相关文章:

  • 软件工程:构建数字世界的基石
  • Avalonia 学习笔记07. Control Themes(控件主题)
  • matter 协议的架构;
  • matter 协议解析;
  • 9月23日
  • Nordic 的支持对Matter 协议的支持;
  • nRF54LM20A USB
  • nRF54LM20A GRTC
  • 2025年10款最佳生产力提效chrome插件推荐,亲测有用
  • Avalonia 学习笔记06. Page Layout(页面布局)
  • 发表第一篇文章,谈谈对软件工程的理解
  • nRF54LM20A 芯片分析;
  • 第二天
  • 内部类
  • NRF54L15 两者结合的jlink保护机制(硬件+软件)
  • 软件测试员的核心技能:一文掌握等价类划分与边界值分析
  • 《CBI 技术有聊》对话 OpenCSG:智能体落地困境与企业转型的必然路径
  • 个人对软件工程的理解
  • 9/23
  • NUMERICAL RESULT (2025/09/23)
  • 数组入门:从零基础到排序算法 - 教程
  • 用C/C++重构PowerShell:全面绕过安全机制的技术解析
  • Optuna v4.5新特性深度解析:GPSampler实现约束多目标优化
  • 题解:P4769 [NOI2018] 冒泡排序
  • 2025/9/23
  • Tita:更频繁的绩效考核周期的好处
  • 详细介绍:【Linux】Linux文件系统详解:从磁盘到文件的奥秘
  • Which side of a 2d curve is a point on
  • 20250923
  • CCPC秦皇岛 2023 M Inverted