【Pytorch Geometric学习】 Message Passing 函数解析

原创 已于 2022-07-28 22:03:45 修改 · 3k 阅读 · 1 ·
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：

#图机器学习 #Pytorch #geometric

于 2022-04-24 15:38:22 首次发布
本文介绍了PyTorchGeometric和DGL这两个基于消息传递的图神经网络框架。重点阐述了PyTorchGeometric中的MessagePassing类，解释了消息传递的三步过程，包括消息生成、聚合和节点更新，并通过实例展示了如何自定义卷积操作。此外，还提供了相关参考资料以深入理解GNN的实现。

1 前言

  此文为自己学习的总结，内容多有参考其他文章内容，并在参考文献处一并给出文章链接。

2 介绍

  Pytorch Geometric和dgl是两个基于Message Passing（消息传递）的图神经网络框架，两个框架的实现方式个人感觉有很大的不同。在此处介绍pyg的消息传递方式。

  图中的卷积计算通常被称为邻域聚合或者消息传递 (neighborhood aggregation or message passing). 定义 x i ( k − 1 ) ∈ R F \mathbf{x}_i ^{( k − 1 )} \in R^F xi(k−1)​∈RF为节点 i i i在第 ( k − 1 ) (k-1) (k−1) 层的特征

最低0.47元/天 解锁文章
Pytorch实现GCN(基于Message Passing消息传递机制实现)
优快云 精品推荐
01-20 5813
本专栏整理了《图神经网络代码实战》，内包含了不同图神经网络的相关代码实现（PyG以及自实现），理论与实践相结合，如GCN、GAT、GraphSAGE等经典图网络，每一个代码实例都附带有完整的代码。
深入理解PyTorch中的MessagePassing
qlkaicx的博客
08-29 1504
通过类，PyTorch Geometric不仅简化了图神经网络层的实现，还提供了高度的灵活性和扩展性。开发者可以轻松定义自己的消息传递逻辑，从而在各种图形结构上有效地运行神经网络模型。
PyG(torch_geometric)的MessagePassing详解
Enjoy Coding
11-15 2255
MessagePassing是图神经网络（Graph Neural Networks，GNNs）的一个基础组件，它被设计用来处理图形数据的问题。在图形数据中，数据点（节点）之间的关系（边）是非常重要的信息。MessagePassing通过在节点之间传递和聚合信息，使得每个节点都能获取其邻居节点的信息，从而更好地理解图形的结构和特性。具体来说，MessagePassing的工作方式是这样的：对于每个节点，它会收集其所有邻居节点的信息（这个过程称为消息传递），然后将这些信息聚合起来（这个过程称为消息聚合）。
Pytorch-Geometric 中的 Message Passing 解析
泊柴的博客
11-06 6502
Pytorch-Geometric 中的 MessagePassing 图中的卷积计算通常被称为邻域聚合或者消息传递 (neighborhood aggregation or message passing). 定义 xi(k−1)∈RF\mathbf x^{(k-1)}_i \in R^{F}xi(k−1)​∈RF 为节点 iii 在第 (k−1)(k-1)(k−1) 层的特征, ej,i\mathbf e_{j,i}ej,i​ 表示节点 jjj 到 节点 iii 的边特征，在 GNN 中消息传递可以
pytorch geometric教程一: 消息传递源码详解（MESSAGE PASSING）+实例
weixin_39925939的博客
11-17 1万+
pytorch geometric：消息传递原理详解（MESSAGE PASSING）+实例pytorch geometric中的消息传递原理（MESSAGE PASSING）+实例卷积原理回顾MessagePassing基类MessagePassing初始化MessagePassing.propagate(edge_index, size=None, **kwargs)MessagePassing.message(...)MessagePassing.update(aggr_out)实例 pytorch
Pytorch-geometric: Creating Message Passing Networks 构建消息传递网络教程
SHIDA优快云的博客
01-19 617
根据Pytorch-geometric官方文档，介绍如何使用自带Message Pass基类，构建消息传递网络，如GCN和EdgeConv
图神经网络pytorch_geometric库之MessagePassing类
beingstrong的博客
06-14 1513
MessagePassing是图神经网络Python库pytorch_geometric(PyG)库里非常重要的一个基类，它可以用来创建消息传递图神经网络，pytorch_geometric里很多类比如图卷积层GCNConv和图注意力层GATConv都基于此类实现，我们也可以基于它来自定义图神经网络。
PyTorch Geometric(PyG) Convolutional Layers(MessagePassing)简介
yrwang_xd的博客
05-13 647
class MessagePassing(aggr='add', flow='source_to_target', node_dim=0) 用于生成message passing层的基类， □表示可微的排列不变性函数，例如 sum，mean或max，以及γΘ 和 ϕΘ表示可区分的功能，例如MLP。 参数: aggr (string, optional) – 所用的聚合方法 (“add”, “mean”, “max” or None). (default: “add”) flow (string, op
pytorch_geometric：message passing networks网络
NockinOnHeavensDoor的博客
04-02 5124
基类 message passing layers 描述：分层聚合每一个节点与周围节点及关联边信息的通用函数。 xi′=γΘ(xi,□j∈N(i) ϕΘ(xi,xj,ei,j)), \mathbf{x}_i^{\prime} = \gamma_{\mathbf{\Theta}} \left( \mathbf{x}_i, \square_{j \in \mathc...
实现图神经网络的消息传递范式
u012194696的专栏
06-18 1050
消息传递图神经网络 一、引言 在开篇中我们介绍了，为节点生成节点表征（Node Representation）是图计算任务成功的关键，我们要利用神经网络来学习节点表征。消息传递范式是一种聚合邻接节点信息来更新中心节点信息的范式，它将卷积算子推广到了不规则数据领域，实现了图与神经网络的连接。消息传递范式因为简单、强大的特性，于是被人们广泛地使用。遵循消息传递范式的图神经网络被称为消息传递图神经网络。本节中， 首先我们将学习图神经网络生成节点表征的范式–消息传递（Message Passing）范式。 接着我
pna:PyTorch，DGL和PyTorch Geometric中图神经网络的主要邻域聚合的实现
04-22
主要邻里聚集 在PyTorch，DGL和PyTorch Geometric中实现图网的主要邻域聚合 。 概述 我们提供PyTorch，DGL和PyTorch Geometric框架中的主要邻域聚合（PNA）的实现，以及用于生成和运行多任务基准的脚本，用于运行实际基准的脚本，灵活的PyTorch GNN框架以及其他实现用于比较的模型。 该存储库的组织方式如下： models包含： pytorch包含在PyTorch中实现的各种GNN模型： 聚合器，缩放器和PNA层（ pna ）的实现 可以与任何类型的图卷积一起使用的灵活GNN框架（ gnn_framework.py ） 本文中用于比较的其他GNN模型的实现，即GCN，GAT，GIN和MPNN dgl包含通过实现的PNA模型：聚合器，缩放器和层。 pytorch_geometric包含通过实现的PNA模型：聚合器，缩放器和图层。
torch_geometric.nn.MessagePassing使用
qq_36892712的博客
04-13 435
上述例子中，我们创建了一个简单的GCN模型，可以应用于输入特征为16个的图。在forward方法中，我们首先将self-loops加入到图中，然后将特征传递到线性层中。接下来，我们计算了边权重的标准化常数，然后使用propagate方法将消息从源节点传递到目标节点。在message方法中，我们对接收到的特征进行了标准化，然后在update方法中将聚合结果作为新的节点嵌入返回。最后，我们使用创建的GCN实例对输入数据进行了轻松的推断。这些类的共同点是可以从图中接收消息并在节点之间进行传递。
【图神经网络】10种常用的图神经网络框架对比分析
小哲的博客
03-17 5998
图神经网络（Graph Neural Network）算法是将深度神经网络的运算(如卷积、梯度计算)与迭代图传播结合在一起：每个顶点的特征都是由其邻居顶点的特征结合一组深度神经网络来计算。
[图神经网络]PyTorch简单实现一个GCN
就随便写写....
04-12 3612
图神经网络PyG实现
PyG教程：MessagePassing基类
最新发布
????
11-29 1278
理解PyG中的基类MessagePassing对于MPNN的实现原理，这对于我们利用PyG实现自己的GNN至关重要。
安装pytorch_geometric
True Truth
05-15 1万+
前些时候了解了python下的 dgl库来进行图谱的计算， 最近看到pytorch_geometric 比dgl快很多。 于是打起了pytorch_geometric的注意， 然而pytorch_geometric 并没有dgl 安装这么方便。 大体思路就是 git源码， 编译源码， 安装， 测试。 我来先吧坑填了 第一个坑不填，会报如下错误： ImportError while importi...
比DGL快14倍：PyTorch图神经网络库PyG上线了
机器学习算法与Python学习
03-16 4457
机器之心编译项目链接：https://github.com/rusty1s/pytorch_geometricPyTorch Geometric 主要是现有模型快速重新实...
[PyG] 1.如何使用GCN完成一个最基本的训练过程(含GCN实现)
热门推荐
g11d111的博客
04-14 2万+
0. 前言 为啥要学习Pytorch-Geometric呢？(下文统一简称为PyG) 简单来说，是目前做的项目有用到，还有1个特点，就是相比NYU的DeepGraphLibrary, DGL的问题是API比较棘手，而且目前没有迁移的必要性。 图卷积框架能做的事情比较多，提供了很多方便的数据集和各种GNN SOTA的实现，其实最吸引我的就是这个framework的API比较友好，再加之使用PyG做项...
torch_geometric学习一，MessagePassing
十二月未央未眠
10-26 1909
安装版本 # for windows10 pip install torch==1.2.0 # 10.0 cuda 单卡GTX1660 pip install torch_geometric==1.4.1 pip install torch_sparse==0.4.4 pip install torch_scatter==1.4.0 pip install torch_cluster==1.4.5 torch_geometric debug模式 with torch_geometric.debug():
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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