高级图神经网络：架构与实践

• 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。

本课程没有先修课程。

目前没有推荐的后续课程。