GNN的输入类型是什么？
GNN的输入类型是什么？
提问于 2022-10-01 10:25:04
通过阅读文章和报纸，我了解到GNN被用于
- 节点级预测
- 链路预测和
- 图层预测
但我对GNN的输入类型非常困惑
我有一个问题清单
- GNN的输入类型是什么？图或数值数据
- 如果GNN以图形作为输入，那么它是如何生成的？
第二编辑:通过阅读另一篇论文，我发现GNN以图形作为输入。
现在，我只有一个问题:如何从输入生成图形？
参考资料：
- 杰周a,1，甘曲崔a,1，盛定胡a，正言张a，成阳b，致远刘a，*，力峰王c，长城李c，孙茂松图神经网络:方法与应用综述“图神经网络:方法与应用综述”
回答 1
Stack Overflow用户
发布于 2022-10-01 18:46:35
GNN的输入包括不同维数的对象，如属性矩阵维为n_nodes，n_node_features，邻接矩阵维为n_nodes，n_nodes取决于图-神经网络的类型。
斯皮克特拉尔是一个很好的库，有不同类型的GNN的好例子。文中还提供了如何加载数据的示例。
下面是使用tensorflow和1创建的GNN模型的示例
class GIN0(Model):
def __init__(self, channels, n_layers):
super().__init__()
self.conv1 = GINConv(channels, epsilon=0, mlp_hidden=[channels, channels])
self.convs = []
for _ in range(1, n_layers):
self.convs.append(
GINConv(channels, epsilon=0, mlp_hidden=[channels, channels])
)
self.pool = GlobalAvgPool()
self.dense1 = Dense(channels, activation="relu")
self.dropout = Dropout(0.5)
self.dense2 = Dense(channels, activation="relu")
def call(self, inputs):
x, a, i = inputs
x = self.conv1([x, a])
for conv in self.convs:
x = conv([x, a])
x = self.pool([x, i])
x = self.dense1(x)
x = self.dropout(x)
return self.dense2(x)您还可以查看这个问题以获得更完整的GNN应用程序示例。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/73917572
复制相关文章
相似问题
腾讯云开发者
