好久没更新博客了，最近一直在忙，既有生活上的也有工作上的。道阻且长啊。今天来水一文，说一说最近工作上遇到的一个函数：torch.gather() 。文字理解我遇到的代码是 NLP 相关的，代码中用 torch.gather() 来将一个 tensor 的 shape 从 (batch_size, seq_length, hidden_size) 转为 (batch_size, labels_len
转载
2024-07-30 14:55:05
63阅读
PyG（PyTorch Geometric）是一个基于PyTorch的库，可以轻松编写和训练图神经
原创
精选
2023-04-09 19:58:29
3057阅读
GML是一个复杂的标准。本文的内容以OGC GML 3.1.0为参考标准。它包含的内容非常多，除常规的二维矢量GIS信息以外，还包括复杂目标、拓扑信息、三维目标、时态信息、地理覆盖、注记符号、空间参考、元数据、栅格数据等等信息。和GML2版本不同，GML3.1.0中的Feature并不总是几何对象，而是真正成为一个有实际意义的地理对象（实体或现
转载
2024-03-27 20:03:21
69阅读
# 如何实现“GCN实现pytorch”
## 流程图
```mermaid
flowchart TD
A(准备数据) --> B(构建GCN模型)
B --> C(定义损失函数和优化器)
C --> D(训练模型)
D --> E(评估模型)
```
## 状态图
```mermaid
stateDiagram
[*] --> 数据准备
数
原创
2024-02-27 05:33:44
72阅读
# PyTorch实现GCN
## 流程概述
下面是实现GCN的整个流程：
| 步骤 | 描述 |
| --- | --- |
| 1. 数据准备 | 加载数据集，切分数据集为训练集和测试集，并进行必要的预处理 |
| 2. 构建图网络 | 定义GCN模型的网络结构，包括输入层、隐藏层和输出层 |
| 3. 训练模型 | 使用训练集对GCN模型进行训练 |
| 4. 评估模型 | 使用测试集
原创
2023-07-29 13:58:41
361阅读
Thomas N.Kipf等人于2017年发表了一篇题为《SEMI_SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS》的论文，提出了一种直接在图上进行卷积操作的算法，在引文网络和知识图谱的数据集中取得了state-of-the-a ...
转载
2021-09-08 21:37:00
5603阅读
2评论
这里我们就不重点介绍GCN网络了，相信大家能够掌握基本原理，本文我们使用的是PyG定义网
原创
2023-01-20 14:26:23
2696阅读
Pytorch自带一个PyG的图神经网络库，和构建卷积神经网络类似。不同于卷积神经网络仅需重构__init__( )和forward( )两个函数，PyTorch必须额外重构propagate( )和message( )函数。一、环境构建 ①安装torch_geometric包。pip install torch_geometric
转载
2023-08-21 14:16:58
384阅读
GCN代码详解-pytorch版本1 GCN基本介绍2 代码解析2.1 导入数据2.2 GCN模型框架2.3 评估与训练参考资料 写在前面… 在研究生的工作中使用到了图神经网络，所以平时会看一些与图神经网络相关的论文和代码。写这个系列的目的是为了帮助自己再理一遍算法的基本思想和流程，如果同时也能对其他人提供帮助是极好的~博主也是在学习过程中，有些地方有误还请大家批评指正！github: http
转载
2023-11-24 14:34:20
185阅读
本文为gcn的PyTorch版本pygcn代码的注释解析（代码地址），也作为学习PyTorch时的一个实例加深对PyTorch API的理解。模型代码一般分为下面几个关键步骤：数据预处理搭建模型定义损失函数训练与测试其中代码量最大的是前两步，数据预处理包括如何从文件中读取数据，并存储成深度学习框架可处理的tensor类型，构建训练集、测试集和验证集等；搭建模型则是核心，需要对模型内部的运算流程有详
转载
2023-09-27 16:46:03
372阅读
构建神经网络学习目标掌握用Pytorch构建神经网络的基本流程. 掌握用Pytorch构建神经网络的实现过程.关于torch.nn:使用Pytorch来构建神经网络, 主要的工具都在torch.nn包中. nn依赖于autograd来定义模型, 并对其自动求导构建神经网络的典型流程:定义一个拥有可学习参数的神经网络 遍历训练数据集 处理输入数据使其流经神经网络 计算损失值 将网络参数的梯度进行反向
写在前面作为pytorch的入门篇，本文将介绍如何使用标准数据集CIFAR-10来搭建一个完整的VGG16网络，以达到简单测试环境和认识pytorch网络基本框架的目的。 参考了博客：CNN02：Pytorch实现VGG16的CIFAR10分类导入的包import torch
import torch.nn as nn
from torch import optim
from torch.util
关于GCN的相关概念及其解释
图数据的特征性质 图像数据是一种特殊的图数据，图像数据是标准的2D网格结构图数据。图像数据的CNN卷积神经网络算法不能直接用在图数据上，原因是图数据具有以下特殊性。节点分布不均匀：图像数据及网格数据诶个节点只有4个邻接点，因此可以定义均匀的卷积操作，但是图数据节点的度数可以任意变化，即邻节点不确定，因此无法直接卷积。排列不
转载
2023-07-11 20:21:16
337阅读
PyTorch Geometric入门指南pytorch geometric是基于pytorch框架封装的图神经网络库，相比于DGL库更加便利，符合pytorch开发规范，拥有pytorch基础，更易于使用。1.数据类型介绍类比于pytorch，pyg拥有同样名称的库用于构建网络和处理数据：库名作用torch_geometric.nn封装了常用的GNN相关网络，直接可用torch_geometri
转载
2023-12-10 01:15:11
748阅读
# 基于图像的GCN去噪 PyTorch 实现教程
在计算机视觉和图像处理领域，图像去噪是一个重要的任务。我们可以使用图卷积网络（GCN）来处理这个问题，在PyTorch中实现更为方便。本文将通过一系列步骤指导你实现基于图像的GCN去噪。
## 流程步骤
首先，我们先看一下整个过程的主要步骤，以下是相关流程的表格。
| 步骤 | 描述 |
|--
原创
2024-10-27 06:24:44
309阅读
目录用GraphGym管理实验介绍基本用法小批量处理Pairs of GraphsBipartite GraphsBatching Along New Dimensions关于PyG的MessagePassing计算原理 用GraphGym管理实验介绍GraphGym 是一个设计和评估图神经网络 (GNN) 的平台，最初在 “Design Space for Graph Neural Networ
转载
2024-01-11 08:49:56
134阅读
GC（Garbage Collection）的好处GC（垃圾回收机制）毫无疑问是编程史上的一次革命，在没有垃圾回收机制的C/C++时代，经常造成内存泄漏（反正我C++是被内存泄漏玩哭了）而使程序员bug改到崩溃。所以当GC出现时，人们沸腾了，因为程序员再也不需要考虑内存泄漏的问题，可以好好关心业务代码了，这是多么可喜可贺的事啊。就像你家雇了个保姆，你现在可以专心做喜欢做的事，不用去打扫了一样，多么
转载
2023-10-08 00:24:05
123阅读
# PyTorch Geometric Batch: Efficient Processing of Large Graph Data
In the field of machine learning, graph data is becoming increasingly important as it provides a way to represent complex relations
原创
2024-06-11 05:24:52
33阅读
model.train() model.eval() & F.dropoutRemember that you must call model.eval() to set dropout and batch normalization layers to evaluation mode before running inference.
Failing to do this will y
转载
2024-08-30 21:23:49
30阅读
# 安装PyTorch Geometric
PyTorch Geometric是一个用于图神经网络的扩展库，提供了丰富的功能和工具，使得在处理图数据时更加方便和高效。在本文中，我们将介绍如何安装PyTorch Geometric，并演示一些简单的代码示例来展示其功能和用法。
## 安装PyTorch Geometric
首先，确保你已经安装了PyTorch。然后，可以通过以下命令安装PyTo
原创
2024-04-26 07:43:38
392阅读
