[重读]FastGCN这篇文章 [没写呢]

最新推荐文章于 2024-04-17 09:36:11 发布
原创 最新推荐文章于 2024-04-17 09:36:11 发布 · 294 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#GNN

博客介绍了一种layerwise的采样方式及其好处，还依据其解释谱域。同时给出了一些关于FastGCN的优质博客，包括论文详解、总结及实现、源码分析等内容。
图神经网络（十）：FASTGCN: FAST LEARNING WITH GRAPH CONVOLUTIONAL NETWORKS VIA IMPORTANCE SAMPLING
码匀的博客
03-13 1368
一句话概括该论文： 这篇论文提出了fastGCN，它的主要思想是将图节点解释为某种概率分布下的独立同分布样本，并将损失和每个卷积层写为关于顶点嵌入函数的积分。然后，通过定义样本损失和样本梯度的蒙特卡洛近似对积分进行评估。 Introduction： 研究背景： 尽管17年的GCN获得了比较好的结果，但由于GCN在训练时需要知道图的所有数据，因此是Transductive的，而对于现实世界来说，图中的节点是不断变化的，因此一个Indutive的模型是急需的。并且GCN面临的一个更严峻的挑战是，在批量训练中，跨
FastGCNL:FAST LEARNING WITH GRAPH CONVOLUTIONAL NETWORKS VIA IMPORTANCE SAMPLING
zhao254014的博客
10-16 1153
每层采用固定数目的样本，根据节点的度，得出概率，进行重要性抽样
手写论文笔记(一)：fastGCN
ptxx_p的博客
04-14 533
FastGCN： fast learning with graph convolutional networks via importance sampling 论文详解 ICLR 2018
知行合一，止于至善
09-21 9229
文章目录1 简单介绍概率测度 probability measure自助法 bootstrappingGCN面临的两个挑战解决思路（创新点）2 相关工作3 通过采样进行训练和推理定理13.1 variance reduction 方差缩减Proposition 2（命题2）定理3命题43.2 Inference 推理3.2 和GraphSAGE的对比4 实验Benchmark数据集实验细节Fast...
论文笔记：ICLR 2018 FastGCN: Fast Learning With Graph Convolutional Networks Via Important Sampling
qq_44015059的博客
09-17 1826
前言 这篇文章对数学的要求好高，奈何自己水平有限读不太懂，想进一步了解的推荐去看原文或者后面附上的博客链接，此篇博客仅仅是作者按照自己的思考过程整理而得 作者基于2017年由Kipf和Welling提出的以一阶切比雪夫不等式为卷积核的图卷积算法，分析它的一些特点如下： 传统的GCN是一种直推式图卷积(Transductive learning)，也就是训练数据包含训练数据和测试数据，只是测试数据在计算loss的时候被省略掉，是一种半监督学习的策略 原始GCN通过递归方法对图数据进行处理，这导致在处理大图和
【网络表示学习】FastGCN
zjwreal
05-28 3891
摘要 Kipf提出的GCN模型训练过程同时需要训练数据和测试数据，对于大图训练效率低。为了解决训练过程对测试数据的需要，本文提出了FastGCN模型，将图卷积操作解释为的embedding函数在概率度量下的积分变换。这种解释下，可以采用蒙特卡洛方法估计积分，并可以进行batch训练。FastGCN使用重要采样，在保持准确性的同时训练效率有了数量级的提升。 Model 类比SGD每个epoch随机选...
精选资源
一篇文章让你知道什么是运营！
02-26
相信这本书是大部分运营的启蒙书，最近重读知乎大神张亮的《从零开始学运营》颇有收获。现整理如下，愿与苦逼运营党一起学习交流。一切能够帮助产品进行推广、促进用户使用、提高用户认知的手段都是运营。仅限于...
重读长辈这本书.docx
10-14
重读长辈这本书.docx
普通话考试60篇朗读文章.doc
10-11
- 《普通话水平测试用朗读作品》中的这篇文章描述了一种力争上游、坚韧不屈的树，强调了它的特征和精神象征，适合用于朗读测试，能体现考生的语音表达和情感传递能力。 8. 文化背景： - 文章提到的白杨树是西北...
快速下降法的matlab代码-FastGCN-matlab:Matlab中的FastGCN和伴随代码，用于使用有偏但一致的梯度估计器分析SGD
06-12
快速下降法的matlab代码FastGCN：方法与理论 该存储库包含 FastGCN 的 Matlab 实现，以及优化理论论文的配套代码。 观察到 FastGCN 的 Matlab 代码比 Tensorflow 或 PyTorch 中的其他实现要快得多。 这篇理论论文用有偏但一致的梯度估计器解释了随机梯度下降，是 FastGCN 背后的驱动力。 对于随论文发布的原始 FastGCN 代码（在 Tensorflow 中实现），请参见 。 快速GCN 请参阅目录fastgcn 。 从test_fastgcn.m开始。 参考 陈洁、马腾飞、曹晓。 . 在 ICLR，2018 年。 使用有偏但一致的梯度估计器的 SGD 查看目录sgd_paper 。 从test_1layer.m和test_2layer.m开始。 参考 陈洁和罗尼·拉斯。 . 预印本 arXiv:1807.11880, 2018。
探索FastGCN：高效图卷积网络实现
gitblog_00093的博客
04-17 631
探索FastGCN：高效图卷积网络实现 是一个基于PyTorch的库，专注于优化和加速图卷积网络（Graph Convolutional Networks, GCNs）的训练过程。该项目由Mateusz Matena和Jure Leskovec等人开发，旨在解决传统GCN在大规模图数据上的效率问题。 项目简介 FastGCN采用一种称为采样策略的方法来加速GCN的计算。这种方法的主要思想是在每次训...
FastGCN:我们的ICLR18论文“ FastGCN”的示例代码
05-03
快速GCN 这是我们ICLR2018论文的Tensorflow实施： 示例代码说明： [用于Reddit数据集] train_batch_multiRank_inductive_reddit_Mixlayers_sampleA.py is the final model. (precomputated the AH in the bottom layer) The original Reddit data should be transferred into the .npz format using this function: transferRedditDataFormat. Note: By default, this code does no sampling. To enable sampling, change `main(None)` at the bottom
网络表示学习_北京大学_2018SMP全国社会媒体处理大会
08-23
该文档是2018SMP全国社会媒体处理大会(哈尔冰)北京大学宋国杰老师的讲义网络表示学习，欢迎大学下载学习。
【GNN】采样算法总结
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
08-15 3749
背景： 许多领域的数据都可以自然地表达成图结构，比如社交网络、蛋白质相互作用网、化学分子图和3D点云等。这些图数据的复杂性对现有的机器学习算法提出了重大挑战。近几年图卷积网络（GCN）把深度学习中卷积神经网络的思想用到图的学习上，在点分类、边预测以及推荐系统上都取得了非常好的效果。 在GCN中，为了得到根节点的表达，需要从它上一层的邻居节点里收集信息。然后同样的，这些邻居节点也需要再从他们上一层的邻居节点里收集信息。这样随着层数的加深，需要计算的多跳邻居数量就会指数级上升。这种“邻居数量指数增加”的问题
图采样相关工作要点
weixin_43547135的博客
11-29 1088
涉及图采样技术的几种图神经网络模型的简要要点总结 适合研究图采样技术的人当作综述或大纲来看
图形卷积神经网络有多强大？一文让你熟练掌握GCN
喜欢打酱油的老鸟
02-02 6558
https://www.toutiao.com/a6649220677184258568/   2019-01-22 15:32:10 点击上方关注，All in AI中国 作者——Tobias Skovgaard Jepsen 由于高度复杂但信息丰富的图形结构，图形上的机器学习一直以来都是一项艰巨的任务。本文是关于如何使用图形卷积网络（GCN）进行图形深度学习的系列文章中的第二篇。...
图神经网络入门：GCN论文+源码超级详细注释讲解！
热门推荐
ZJF的博客
04-25 3万+
本文参考了这篇文章：https://blog.youkuaiyun.com/weixin_36474809/article/details/89379727侵删 这篇文章的代码非常经典，很值得学习，如有错误请指正 utils.py import numpy as np import scipy.sparse as sp import torch ''' 先将所有由字符串表示的标签数组用set保存，set的重...
论文笔记：ICML 2019 Simplifying Graph Convolutional Networks
qq_44015059的博客
09-17 1305
前言 随着2017年GCN概念的提出，近年来越来越多的GCN方法被提出。由于GCN本身的提出来源于深度学习中CNN和RNN的概念，因此可能会继承其中一些不必要的复杂度和冗余计算，本文提出了一种简化的图卷积方法(Simplifying Graph Convolutional)。通过消除GCN层之间的非线性计算，通过将得到的函数折叠成一个线性变换来减少GCN带来的额外复杂度，并且从图卷积的根源–频谱分析中得到SGC的理论支撑，证明了SGC相当于一个固定的低通道滤波器和一个线性分类器。试验结果表明，这些简化不会多
【网络表示学习】GCN
zjwreal
05-25 3197
问题描述 卷积神经网络（CNN）的输入图片是具有欧几里得结构的图结构，具有规则的空间结构，比如图片是规则的正方形栅格，比如语音是规则的一维序列。而这些数据结构能够用一维、二维的矩阵表示，卷积神经网络处理起来很高效。 而广义上的图（graph）是非欧几里得结构，不规则的空间结构。图卷积神经网络就是以某种方式将卷积算子推广到任意图数据上。融合节点特征和图的拓扑结构，利用深度学习生成新的表示的方法。 图...
UDS重读刷写capl代码
最新发布
01-15
以下是使用 CAPL 编程语言在 CANoe 中实现这一过程的一个简化示例： #### 解锁 ECU 为了安全起见，在执行任何更改之前，必须先解锁目标控制单元。 ```capl void unlockEcu() { diagRequest req; // 发送解锁...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值