趋近智

所有课程

图神经网络入门

章节 1: 图学习基本原理

什么是图数据？

标准神经网络在图数据上的局限性

常见图机器学习任务

图的表示：邻接矩阵与特征矩阵

图的属性与度量

NetworkX 库简介

动手实践：加载并检查图数据集

第 1 章测验

章节 2: 消息传递机制

邻域聚合思想

通用 GNN 层：聚合与更新

常用的聚合函数

更新函数与非线性

置换不变性与置换等变性

堆叠层以构建深度图神经网络 (GNN)

实践：使用 NumPy 实现简单的 GNN 层

第 2 章测验

章节 3: GNN 基本架构

图卷积网络 (GCN)

图卷积的空间物理解读

GraphSAGE：邻域采样与聚合

GraphSAGE 的归纳学习

图注意力网络 (GAT)

GAT 中的注意力机制

GCN、GraphSAGE 与 GAT 的比较

动手实践：从零开始实现 GCN

第 3 章测验

章节 4: GNN 模型训练

为节点分类任务搭建 GNN

图任务的损失函数

GNN 的训练循环

图数据的切分：直推式与归纳式

节点分类的评估指标

GNN 中的过拟合与正则化

实践：训练与评估你的 GCN

第 4 章测验

章节 5: 使用 PyTorch Geometric 实现 GNN

PyTorch Geometric (PyG) 简介

PyG Data 对象

使用 PyG 数据集

使用 PyG GNN 层构建模型

针对大规模图数据的分批处理

PyG 中的完整训练脚本

动手实践：使用 PyG 在 Cora 数据集上进行节点分类

第 5 章测验

趋近智

APX AI

在线

我可以读取您正在浏览的页面。随时向我提问！

趋近智

所有课程

图神经网络入门

章节 1: 图学习基本原理

什么是图数据？

标准神经网络在图数据上的局限性

常见图机器学习任务

图的表示：邻接矩阵与特征矩阵

图的属性与度量

NetworkX 库简介

动手实践：加载并检查图数据集

第 1 章测验

章节 2: 消息传递机制

邻域聚合思想

通用 GNN 层：聚合与更新

常用的聚合函数

更新函数与非线性

置换不变性与置换等变性

堆叠层以构建深度图神经网络 (GNN)

实践：使用 NumPy 实现简单的 GNN 层

第 2 章测验

章节 3: GNN 基本架构

图卷积网络 (GCN)

图卷积的空间物理解读

GraphSAGE：邻域采样与聚合

GraphSAGE 的归纳学习

图注意力网络 (GAT)

GAT 中的注意力机制

GCN、GraphSAGE 与 GAT 的比较

动手实践：从零开始实现 GCN

第 3 章测验

章节 4: GNN 模型训练

为节点分类任务搭建 GNN

图任务的损失函数

GNN 的训练循环

图数据的切分：直推式与归纳式

节点分类的评估指标

GNN 中的过拟合与正则化

实践：训练与评估你的 GCN

第 4 章测验

章节 5: 使用 PyTorch Geometric 实现 GNN

PyTorch Geometric (PyG) 简介

PyG Data 对象

使用 PyG 数据集

使用 PyG GNN 层构建模型

针对大规模图数据的分批处理

PyG 中的完整训练脚本

动手实践：使用 PyG 在 Cora 数据集上进行节点分类

第 5 章测验