前言 图神经网络在近几年大伙,很多东西都可图化。本文探寻一下图卷机网络和它的相关变体。
同样,本文是我在寒假时候挖的一个坑。
经常用到的库: DGL
数据结构工具库: networkx
可视化工具 graphviz
GCN 关于图卷积网络的概念和原理,推荐阅读: 何时能懂你的心——图卷积神经网络(GCN)知乎
另外,上面说的那篇知乎帖子也提到了我之前看过的一篇原作者的博客, 讲的真好: http://tkipf.github.io/graph-convolutional-networks/
这里有个tensorflow的GCN实现: https://github.com/tkipf/gcn, 与tf同个作者的另一个仓库pytorch实现: https://github.com/tkipf/pygcn
它的原著论文: Semi-Supervised Classification with Graph Convolutional Networks (ICLR 2017)
GAT 原文:Graph Attention Networks (Veli?kovi? et al., ICLR 2018)
代码:https://github.com/petarV-/GAT (tensorflow)
另外,其他大佬也写了另外框架的版本:
- https://github.com/danielegrattarola/keras-gat
- https://github.com/Diego999/pyGAT
【人工智能|图神经网络】另外一些知乎帖子也不错
- 向往的GAT(图注意力网络的原理、实现及计算复杂度)
- 图注意力网络GAT(含代码)
- 深入理解图注意力机制
推荐阅读
- 图机器学习|【图神经网络】图注意力机制GAT(一)
- 神经网络|为什么要进行图学习(谈一谈逆势而上的图神经网络)
- 深度学习|Softmax 回归(PyTorch)
- DGL|基于注意力机制的图神经网络GAT的一些理解以及DGL官方代码的一些理解
- 如何更优雅地设计聊天机器人
- 网络|音视频技术开发周刊 | 224
- anaconda|Windows系统下完美配置GPU版TensorFlow2.x深度学习环境(附带每个步骤所需软件工具的链接)
- GPU|CUDA环境详解
- 前端|开发者的4个层级,你在哪一层()