回答情况：
提问时间：
问题标签：
我正在尝试用图神经网络方法进行节点分类。我最初的计划是将我的图表转换成邻接矩阵，并在此基础上对我的网络进行训练，我的目标是节点特性。我想知道的是，是否使用嵌入实际上是解决问题的方法？那么，实际上，如何用这种方法建立一个图形神经网络呢？
浏览 0修改于2021-07-08得票数 3
在图神经网络的上，它说它不是在Mem图中实现的。有什么解决办法吗?我可以用它吗？
编辑:似乎GNN是在这段时间内被加入的，因为我已经问了这个问题。我提议结束这个问题。
浏览 7修改于2022-11-16得票数 0
回答已采纳
如何将我自己的数据集转换为pytorch几何图形神经网络的可用数据集？
所有教程都使用已转换为可由pytorch使用的现有数据集。例如，如果我有自己的点云数据集，我如何使用它来训练图神经网络的分类？
浏览 7修改于2021-03-25得票数 4
我是NLP领域的新手，我希望用带有节点和边的图神经网络来表达文本句子，其中边定义了语义关系。在Python中有没有同样的库，或者它是纯粹主观的吗？我知道Pytorch几何帮助我们操纵我们的GNN。
浏览 35提问于2020-06-29得票数 1
我正在创建一个图形神经网络(GNN)，它可以创建输入图的嵌入，用于其他应用程序，如强化学习。
我从spektral库开始，并对其进行了修改，将网络分为两部分。第一部分是产生嵌入，第二部分是产生分类。
浏览 1提问于2021-03-10得票数 0
回答已采纳
我正在尝试理解在PyTorch中实现的以下GNN模型的错误之处 class Net(torch.nn.Module): super().__init__() self.conv = SAGEConv(dataset.num_features, aggr="max") # max, mean, add ...)
def
浏览 37修改于2022-01-03得票数 0
我遇到问题时，试图运行梯度下降的图形-神经网络的互动学习方式。我的目标是用图神经网络识别动作，用动作值计算损失，用损失值进行梯度下降。然而，梯度下降部分引起了问题。由于对图形、神经网络和spektral库的依赖，我正在使用祈使式的张量流。
我不知道这里出了什么问题。我在回归中使用了图-神经网络的梯度下降，而且效果很好。
浏览 9提问于2022-08-07得票数 0
回答已采纳
在本文的第3页知识图嵌入与可解释人工智能中，他们提到如下：不过，对我来说还是很模糊的。似乎我们可以从这两个方面获得嵌入。有什么不同吗？
浏览 0提问于2020-08-03得票数 2
假设我使用GraphSage模型来完成一个有监督的节点分类任务，现在在训练过程中，我为子图提供蓝色节点，并利用该子图(蓝色)中节点的邻域信息计算权重(参数)。
浏览 0提问于2021-08-04得票数 1
回答已采纳
我正在使用Spektral训练一个带有辅助输入层的Graph神经网络。我正在拼接这些层。该模型可以完美地编译。但是，当将数据拟合到模型中时，我得到了以下错误。
浏览 24提问于2020-06-06得票数 2
我正在尝试可视化图形神经网络的计算图，我用它来预测分子的性质。该模型是在PyTorch中建立的，并以动态链接库图形作为输入。
浏览 26提问于2021-08-24得票数 0
我使用PytorchGeometric来训练一个用于节点回归问题的图形卷积网络(图模型是传感器网络中的物理现象；传感器网络实际上是分布在电网中的测量网络(功率、电流、电压)，而GNN的目标是预测图中的一些未测量变量在训练数据集中，有不同拓扑的图(即不同的edge_index张量)，每个拓扑图都有输入张量和标号张量，它们由图中每个节点的浮点数组成。但是，当模型在不可见的(但类似的)图拓扑上测试时，结果是完全错误的。训练和测试集中的所有图都是用相同的随机过程综合生成的，因此拓扑来自相同的图分
浏览 0修改于2021-06-11得票数 1
假设我有一个部分连通的图，它代表许多不相关社区的成员。我想预测同一社区成员之间可能的友谊:在0到10之间的滑动范围内，他们会喜欢对方吗？每个方向都有一个边，所以图是双向的。然后创建Data()实例。其中x是一个具有节点特性和edge_index的数组。
浏览 0修改于2019-07-31得票数 8
我对图网络是个新手，尽管不是一般意义上的深度学习。我正在尝试做的事情是合理的吗？在我对它的工作原理的理解中，我是否遗漏了一些至关重要的东西？我一直找不到任何易于理解的图网络的例子，其中边本身是学习目标，所以我现在有点困惑。我很感谢任何人能给予的帮助！
浏览 46提问于2020-06-26得票数 0
我正在尝试训练我的神经网络，使图中每条边的权重都是10。我从生成随机点(inp)开始，并使用weight = 1使每个相邻的点(使用idx)都有一条边。
浏览 13提问于2021-05-13得票数 2
我看过一篇文章，它使用非二进制邻接矩阵来定义节点连接的权重。权重是在0,1范围内的比率。这些权重也可以看作是边缘特征吗？那么，有一个邻接矩阵和一个边缘特征矩阵有什么区别呢？
浏览 0提问于2022-02-23得票数 1
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