TensorFlow -使用networkx图作为输入
TensorFlow -使用networkx图作为输入
提问于 2018-01-15 17:57:08
我正在尝试使用TensorFlow构建一个人工神经网络，它可以识别计算机辅助设计模型中的特征。
使用CAD模型数据，我计算了某些面之间的邻接关系，并将其绘制在一个图上，其中每个节点都是一个面，面之间的每条边表示邻接关系，权重0和1分别表示凸和凹关系。下面是绘制邻接图的代码：
import networkx as nx
import matplotlib.pyplot as plt
%matplotlib inline
G=nx.Graph()
#adding nodes
G.add_nodes_from(range(1, 10))
#adding edges
G.add_weighted_edges_from([(1, 2, 0), (1, 3, 0), (1, 6, 1), (1, 8, 1),
(2, 5, 1), (2, 6, 1), (2, 8, 1), (3, 4, 1),(3, 6, 1), (3, 8, 1),
(4, 6, 1), (4, 7, 1), (4, 8, 1), (5, 6, 1), (5, 8, 1), (5, 9, 1),
(6, 7, 1), (6, 9, 1), (6, 10, 1), (7, 8, 1), (7, 10, 1), (8, 9, 1),
(8, 10, 1), (9, 10, 1)])
#draw AAG
nx.draw_circular(G, node_color = 'bisque', with_labels=True)我的问题是:有没有可能将邻接图输入到TensorFlow中的神经网络中，告诉它模型中存在的“特征”由哪些面组成？
对此问题的任何帮助都将不胜感激。
回答 1
Stack Overflow用户
发布于 2018-01-21 17:20:06
原则上可以，假设您可以将图形表示为类似列表的数据结构。但问题是，你将如何训练你的网络？首先，您需要有数千个(和数千个)这样的图的样本，这样您就可以将它们分批输入到TF模型中。其次，对于每个样本，您需要明确区分代表特征的内容和代表标签的内容。你不能期望TF找出组成这些特性的是什么，你需要指定它。
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/48260568
复制相关文章
相似问题
腾讯云开发者
