由于课题研究需要，这星期看了几篇GCN相关的文章和书籍，并对其进行了代码复现，现将最近学习的内容做一个梳理与总结，用于日后复习巩固。由于能力有限，文章中有错误或者不当之处，还望各位读者多多指出。之后对GCN应用方面相关的论文阅读笔记，也会及时文末跟新。（本文作为笔者的学习笔记，如有错误，希望各位读者批评指正）- - 更新时间:2020年11月1日[学习笔记(1)]深入浅出了解GCN原理(公式+
参考： https://huggingface.co/docstransformer库 介绍使用群体：寻找使用、研究或者继承大规模的Tranformer模型的机器学习研究者和教育者想微调模型服务于他们产品的动手实践就业人员想去下载预训练模型，解决特定机器学习任务的工程师两个主要目标：尽可能见到迅速上手（只有3个标准类，配置，模型，预处理类。两个API，pipeline使用模型,trainer训练和
代码可以在github上fork,本文主要是加了一些注释，并且搭配本人所作笔记【GCN代码笔记】layers.pyimport math
import torch
from torch.nn.parameter import Parameter
from torch.nn.modules.module import Module
class GraphConvolution(Module)
转载
2023-08-09 17:45:49
162阅读
GCN的模型架构
在深度学习领域，图卷积网络（GCN）于2017年提出，标志着图神经网络（GNN）研究的一个重要里程碑。不同于传统的卷积神经网络（CNN），GCN专门针对图数据处理，通过信号在图上进行传递和变换，具有广泛的应用前景，包括社交网络分析、推荐系统和生物信息学等。
### 背景描述
1. **2017年**: 图卷积网络的提出，初步定义了如何在图上进行卷积操作。
2. **2018
GCN模型源码 pytorch分享与分析
在图神经网络领域，GCN（Graph Convolutional Network）模型因其在处理图结构数据方面的高效性，被广泛应用于社交网络、知识图谱和推荐系统等多个领域。使用 PyTorch 实现 GCN 模型，可以帮助我们更好地理解图数据的特征提取与学习过程。接下来，将对 GCN 模型的源码进行详细解析，并分享一些实用的性能优化方法。
### 背景
# GCN模型在PyTorch中的实现
图卷积网络（GCN）是一种在图结构数据上进行深度学习的有效方法。在诸如社交网络、知识图谱、推荐系统等领域，GCN的应用越来越受到关注。本文将通过PyTorch实现一个基本的GCN模型，并提供一个简单的代码示例，帮助读者更好地理解GCN的基础知识和使用方法。
## 1. 什么是GCN？
图卷积网络（GCN）是由Thomas Kipf和Max Wellin
论文原始链接代码知乎主页1:摘要实时准确的交通预测在智能交通系统中城市交通规划，交通管理和交通控制起着重要的作用和意义。然而，由于城市道路网络拓扑结构的约束和时间的动态变化规律，流量预测一直被认为是一个科学问题，即：空间依赖和时间依赖。为了捕获时空间依赖性，本文提出了T-GCN（temporal graph convolutional network），模型融合了图卷积网络(GCN)和门控递归单元
转载
2024-07-25 20:21:20
169阅读
目录前言1. 数据处理2. GCN链接预测2.1 负采样2.2 模型搭建2.3 模型训练/测试完整代码 前言1. 数据处理这里以CiteSeer网络为例：Citeseer网络是一个引文网络，节点为论文，一共3327篇论文。论文一共分为六类：Agents、AI（人工智能）、DB（数据库）、IR（信息检索）、ML（机器语言）和HCI。如果两篇论文间存在引用关系，那么它们之间就存在链接关系。加载数据：
转载
2023-08-10 19:36:03
264阅读
上一篇博客学习了如何搭建Inception网络，这篇博客主要讲述如何利用pytorch搭建ResNets网络。上一篇博客中遗留了一个问题，就是1*1卷积核的作用，第一个作用是减少参数，第二个作用是压缩通道数，减少计算量。理论上，随着网络深度的加深，训练应该越来越好，但是，如果没有残差网络，深度越深意味着用优化算法越难计算，ResNets网络模型优点在于它能够训练深层次的网络模型，并且有助于解决梯度
转载
2023-09-30 08:47:15
92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
另一个很好用的onnx模型优化工具：nvidia的onnx_graphsurgeon。onnxsim以外的常量折叠：from polygraphy.backend.onnx.loader import fold_constantsonnx模型组成参考onnx.proto里面的各种proto定义，如ModelProto，GraphProto，NodeProtoonnx_model = onnx.lo
Google Cloud Messaging(GCM)简介与基本使用官方文档参考：https://developers.google.com/cloud-messaging/gcmGCM简介Google Cloud Messaging (GCM)是Google提供的服务器与终端进行消息传递的轻量级解决方案，支持客户端与服务器的双向传递，可实现push下发、即时通讯等功能。GCM使用HTTP或XMP
转载
2023-11-16 15:53:17
54阅读
# 图卷积网络（GCN）科普文章
图卷积网络（Graph Convolutional Networks, GCN）是一类能够处理图结构数据的深度学习模型。与传统的卷积神经网络（CNN）主要用于处理规则格点数据（如图像）不同，GCN可以直接作用于非欧几里得数据（如社交网络、分子图等）。理解GCN的原理和应用，有助于我们在多种实际问题中解决复杂的图相关任务。
## GCN的基本原理
GCN的核心
# 教你如何实现“GCN python 实现”
## 整体流程
首先，我们来看一下整个实现“GCN python 实现”的流程。可以用下面的表格来展示每个步骤：
```mermaid
erDiagram
STEP1 --> STEP2: 数据预处理
STEP2 --> STEP3: 构建图网络
STEP3 --> STEP4: 定义GCN模型
STEP4 --
原创
2024-04-29 06:53:51
68阅读
## 如何实现GCN Python代码
### 流程图
```mermaid
flowchart TD
A[准备数据集] --> B[构建图结构]
B --> C[定义GCN模型]
C --> D[训练模型]
D --> E[评估模型]
```
### 步骤表格
| 步骤 | 描述 |
| ---- | -----------
原创
2024-06-30 04:58:54
46阅读
Python中的垃圾收集（GC）在C、C++中，用户自己管理维护内存的方式，操作内存非常的繁琐，后来的一些新式语言如Java、Python等，都采用了垃圾收集机制（Garbage Collection）。对于⼀个字符串、列表、类甚至数值都是对象，且定位简单易用的语⾔，自然不会让用户去处理如何分配回收内存的问题。Python中采用的是引用计数机制为主，标记-清除和分代收集两种机制为辅的策略。引用计数
Python解释执行原理我是一个Python线程，我的工作就是解释执行程序员编写的Python代码。之所以说是解释执行，是因为Python是高级语言，CPU那家伙不认识Python代码，需要运行的时候动态翻译成CPU指令。我把Python源代码经过“编译”以后，变成了一个个的字节码文件：.pyc，这是一个二进制的文件，人类是看不懂的，只有我才能看懂。然后我的工作就简单了，不断地取出字节码文件中的“
1.视频教程：B站、网易云课堂、腾讯课堂2.代码地址：GiteeGithub3.存储地址：Google云百度云：提取码：1.一 论文导读2.二 论文精读3.三 代码实现4.四 问题思索《》—待写作者：单位：发表会议及时间：Submission historyAbstract一 论文导读二 论文精读三 代码实现四 问题思索...
原创
2021-08-02 14:49:18
206阅读
本来应该先写最具有代表性的Java的GC的，但是目前我正在看Python的源代码，而且Python和Java的GC，有着很多相似点，所以就用这个顺序了，Python的GC章节，我打算更多地着眼于实现和我的疑问，Java的GC章节，更多放在使用上。GC in Python Python是走多种GC技术路线相结合的路线的，我以为有可取之处。首先Python采用了原始的Ref Counting技术【1】
转载
2024-07-31 17:30:10
16阅读
PyG包的安装及使用前言本篇文章主要介绍PyG包的安装，并且会介绍如何使用这个包来实现常见的图神经网络模型GCN。一、PyG包是什么？PyG包就是Pytorch Geometric库，Pytorch Geometric库是常用的图神经网络库。二、安装步骤1.安装pytorch和PyGpytorch-geometric需要以pytorch1.7.0以上为基础，因此首先需要安装pytorch 1.7.
转载
2024-01-23 23:48:58
96阅读
