自定义数据跑GCN

最新推荐文章于 2024-06-30 10:21:44 发布

Mr_Ak

最新推荐文章于 2024-06-30 10:21:44 发布

阅读量1.3k

点赞数 2

分类专栏：图卷积文章标签： gcn 神经网络深度学习 python

本文链接：https://blog.youkuaiyun.com/Mr_Ak/article/details/108722910

版权

该博客介绍了如何在深度学习中利用DGL框架构建自定义的图卷积网络（GCN）模型。首先解释了选择DGL而非pyG的原因，接着详细阐述了定义图矩阵、构建GCN模型、设置特征矩阵和标签，以及采用交叉熵损失函数进行模型训练的步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

GCN 自定义数据集

流程

流程

使用的是DGL框架
为什么使用DGL 不使用pyG 因为DGL大图支持更好

定义自己的图矩阵

#An highlighted block
import dgl
import numpy as np
# S D source destination 类型 list【int】
def build_graph(S,D):  
    # 另一个用于目标端点。
    src = np.array(S)
    dst = np.array(D)
    # 在DGL中，边是有方向性的;让他们双向。
    # u = np.concatenate([src, dst])
    # v = np.concatenate([dst, src])
    # 构造一个DGLGraph
    # return dgl.DGLGraph((u, v))
    return dgl.DGLGraph((src, dst))
# 请自己定义
S,D = 自行填写
G = build_graph(S,D)
print(