【DGL教程】第6章 大图上的随机训练
官方文档:https://docs.dgl.ai/guide/minibatch.html 对于有上百万甚至上亿顶点和边的图无法使用全图训练,需要使用随机minibatch训练 邻居采样方法 在每个梯度下降步骤中,如果要计算某个顶点第L层的表示,根据消息传递,需要计算其全部或部分邻居第L-1层的表示,又需要计算这些邻居的邻居第L-2层的表示……这一过程一直持续到输入层。这一迭代过程构造了...
官方文档:https://docs.dgl.ai/guide/minibatch.html 对于有上百万甚至上亿顶点和边的图无法使用全图训练,需要使用随机minibatch训练 邻居采样方法 在每个梯度下降步骤中,如果要计算某个顶点第L层的表示,根据消息传递,需要计算其全部或部分邻居第L-1层的表示,又需要计算这些邻居的邻居第L-2层的表示……这一过程一直持续到输入层。这一迭代过程构造了...
在Python代码中导入自定义模块时经常遇到报错问题,并且在PyCharm和命令行中会有不同的表现。本文通过实例分析两种常见的导入错误出现的原因及解决方法。 Python版本:3.8 1.相对导入报错 假设有如下的项目目录结构: import-error-demo/ config.py foo/ __init__.py bar.py baz.py ...
Heterogeneous Graph Transformer 2020 WWW 论文链接:https://arxiv.org/pdf/2003.01332 代码: 官方代码:https://github.com/acbull/pyHGT DGL实现:https://github.com/dmlc/dgl/tree/master/examples/pytorch/hgt ...
Python支持多继承,而多继承比单继承要复杂得多。本文通过实例说明Python多继承中的方法解析顺序和构造函数两个问题。 Python版本:3.8 1.方法解析顺序 多继承存在菱形继承的问题,即B和C继承A,而D继承B和C,则D类应该以什么样的顺序继承B和C中的方法?实际上,Python中所有的多继承都是菱形继承,因为所有的类都是object的子类,但一般只有公共基类是自定义类时才叫菱...
Graph Attention Networks 2018 ICLR 论文链接:https://arxiv.org/pdf/1710.10903 官方网站:https://petar-v.com/GAT/ 代码: 官方代码:https://github.com/PetarV-/GAT DGL实现:https://github.com/dmlc/dgl/tree/mas...
Heterogeneous Graph Attention Network 2019 WWW 论文链接:https://arxiv.org/pdf/1903.07293 代码: 官方代码:https://github.com/Jhy1993/HAN DGL实现:https://github.com/dmlc/dgl/tree/master/examples/pytorch/h...
Heterogeneous Graph Neural Network 2019 KDD 论文链接:https://dl.acm.org/doi/pdf/10.1145/3292500.3330961 官方代码:https://github.com/chuxuzhang/KDD2019_HetGNN 个人实现:https://github.com/ZZy979/pytorch-tuto...
官方文档:https://docs.dgl.ai/en/latest/guide/training.html 官方示例:https://github.com/dmlc/dgl/tree/master/examples/pytorch 官方文档给出了使用消息传递和NN模块训练用于不同类型任务的GNN的例子,包括顶点分类/回归、边分类/回归、连接预测和图分类 1.顶点分类/回归 https...
官方文档:https://docs.dgl.ai/en/latest/guide/data.html dgl.data实现了很多常用的图数据集,这些数据集都是dgl.data.DGLDataset的子类 DGL官方推荐通过继承dgl.data.DGLDataset来实现自己的数据集,从而可以更方便地加载、处理、保存图数据集 1.DGLDataset类 dgl.data.DGLDatas...
Semi-Supervised Classification with Graph Convolutional Networks 2017 ICLR 论文链接:https://arxiv.org/pdf/1609.02907 代码: 官方代码: https://github.com/tkipf/gcn https://tkipf.github.io...