趋近智
趋近智
APX AI
在线
趋近智
构建并训练复杂的图神经网络 (neural network)（GNN）模型。本课程涵盖高级GNN架构，应对训练中的复杂问题，如可扩展性和过平滑，并提供使用现代库进行实践的指导。
先修课程 GNN基础、Python、机器学习
级别:
高级GNN架构
理解并实践复杂的GNN模型，包括图注意力网络（GAT）和图Transformer。
谱域与空间域GNN
分析谱域和空间域GNN方法的理论基础与实践差异。
GNN训练难题
应对常见的GNN训练问题，如过平滑、过度压缩以及大规模图的可扩展性。
可扩展性技术
实践图采样和聚类技术（例如GraphSAINT、Cluster-GCN），用于在海量数据集上训练GNN。
高级图应用
将GNN应用于复杂任务，例如异构图、动态图和图生成。
实践优化方法
使用PyTorch Geometric (PyG)和Deep Graph Library (DGL)等库优化GNN实践。