- 综合排序
- 最热优先
- 最新优先
- 来自专栏DrugOne
Equitorch: 基于pyg的模块化等变图神经网络包
在这种背景下，我们提出了一个模块化的、基于Pytorch-Geometric的包Equitorch，希望能够使研究者能够更加灵活地构建等变图神经网络。 对图神经网络相关的部分，如消息传递机制、图数据表示等，我们完全基于Pytorch-Geometric这一广泛使用的图神经网络框架，更方便传统图神经网络的研究者迁移。 径向、角度与球谐）基展开 软截断操作 数学函数equitorch.math 球谐张量、球谐函数、Wigner D矩阵的相关操作 球谐变换与逆球谐变换 数据变换equitorch.transform（基于Pytorch-Geometric
34710编辑于 2024-11-23 - 来自专栏Python进阶之路
图机器学习 | PyG 安装配置记录
install torch-geometric==2.0.2 -f https://pytorch-geometric.com/whl/torch-1.11.0+cu113.html ---- 参考链接： pytorch-geometric
1.4K10编辑于 2022-12-28 - 来自专栏Python进阶之路
PyGOD 使用 成功解决 Runtimeerror: No such operator torch_sparse::hetero_neighbor_sample 报错
#179 PyGOD 0.3.0 document Installation PyGOD Github 页面 pytorch-geometric 安装教程 PyTorch与PyTorch Geometric
83320编辑于 2022-07-17 - 来自专栏DrugAI
npj Comput. Mater. | MatGL：助力材料科学与化学的开源图深度学习库
然而，现有软件实现多局限于单一架构，且主要基于 PyTorch-Geometric、TensorFlow 或 JAX。相比之下，DGL 在大规模图训练中展现出更高的内存效率与速度，适合支撑大批量模拟。
22220编辑于 2026-01-06 - 来自专栏数据派THU
图神经网络的可解释性方法介绍和GNNExplainer解释预测的代码示例（附代码）
来源：DeepHub IMBA本文约3800字，建议阅读7分钟本文使用pytorch-geometric实现的GNNExplainer作为示例。 本文使用的是pytorch-geometric实现的GNNExplainer作为示例。
1.6K10编辑于 2022-08-29 - 来自专栏SAMshare
2020年图机器学习的最新趋势
这项工作的一个很好的结果是在流行数据集上和在PyTorch-Geometric上的代码基准上的得到了公平的SOTA。
72321发布于 2020-02-19 - 来自专栏DeepHub IMBA
图神经网络的可解释性方法介绍和GNNExplainer解释预测的代码示例
本文使用的是pytorch-geometric实现的GNNExplainer作为示例，有兴趣了解的话可以查看其官方文档 https://pytorch-geometric.readthedocs.io/
2.1K10编辑于 2022-11-11 - 来自专栏AI小白入门
【ML】2020年图机器学习的最新趋势
这项工作的一个很好的结果是在流行数据集上和在PyTorch-Geometric上的代码基准上的得到了公平的SOTA。
83810发布于 2020-02-20 - 来自专栏机器之心
2020年，图机器学习将走向何方？
该研究的杰出成果包括：提供了模型在常用数据集上的公平 SOTA 结果和 PyTorch-Geometric 代码，方便以后的论文进行模型对比。
60130发布于 2020-02-23 - 来自专栏小锋学长生活大爆炸
【阅读】2021 OSDI——P3: Distributed Deep Graph Learning at Scale 论文翻译
PyTorch-Geometric[20]和DGL[1]用消息传递接口包装了现有的深度学习框架。他们专注于设计一个面向图形的界面来进行改进GNN可编程性，并借鉴了传统图处理系统和DNN框架的优化原理。
78930编辑于 2022-11-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号