《Few-Shot Learning with Graph Neural Networks》

流程

初始化图

顶点

图神经网络中的一个节点代表一张图片
顶点由图片的特征 ϕ ( x ) \phi(x) ϕ(x) o n e − h o t one-hot onehot向量 h ( l ) h(l) h(l)编码构成
在这里插入图片描述

为图中的任意两个点建立边,也就是判断两个节点的相似度
两个顶点的边由其顶点的差的绝对值 a b s ( x i ( k ) − x j ( k ) ) abs(x_i^{(k)}-x_j^{(k)}) abs(xi(k)xj(k))经过多层感知机MLP得来
在这里插入图片描述

图卷积

用拼接了单位矩阵的邻接矩阵更新图中的边

流程图

在这里插入图片描述
在这里插入图片描述

Created with Raphaël 2.3.0 图片 初始化节点特征 根据节点特征,建立全连接图,边为两两节点之间的相似度 图卷积得到新的节点特征 到迭代次数? 输出最终的节点特征 根据最终的节点特征,做llog_softmax之后和标签做F.nll_loss 合并原来的和新的节点特征 yes no

猜你喜欢

转载自blog.csdn.net/qq_37252519/article/details/119562382