Uma série de notas sobre a rede neural do ponto de vista do código

Prefácio

Toda a série de notas vem do vídeo do mestre up Sifan, o link é o seguinte:

https://space.bilibili.com/630192628

O objetivo de toda a série de notas é organizar os pontos de conhecimento adquiridos com o vídeo em texto para fácil acesso a qualquer momento. Coopere com o vídeo para compreender alguns lugares onde o texto não é claro. Alguns lugares também adicionaram um pouco do meu entendimento, bem-vindo a todos para corrigir e comunicar

Ambiente de desenvolvimento

1. Instalação de pytorch

O ambiente de desenvolvimento é principalmente de $Oacesso\; aolinkdiretopara$ as fotos selecionadas são as seguintes:

Dependendo do ambiente do seu computador, clique nas diferentes configurações para o comando de instalação. Notebooks Mac não podem ser instalados sem a placa de vídeo da Nvidia. Embora possam ser instalados, é mais problemático de configurar. O Windows é a melhor opção.

Adicione um parâmetro:

--proxy=http://代理ip:端口

Caso contrário, leva muito tempo para baixar um arquivo G

2. Instale bibliotecas relacionadas

https://pytorch-geometric.readthedocs.io/en/latest/notes/installation.html

Meu ambiente é PyTorch 1.6.0e CUDA 10.2, o comando de instalação é o seguinte:

pip install torch-scatter==latest+cu102 -f https://pytorch-geometric.com/whl/torch-1.6.0.html
pip install torch-sparse==latest+cu102 -f https://pytorch-geometric.com/whl/torch-1.6.0.html
pip install torch-cluster==latest+cu102 -f https://pytorch-geometric.com/whl/torch-1.6.0.html
pip install torch-spline-conv==latest+cu102 -f https://pytorch-geometric.com/whl/torch-1.6.0.html
pip install torch-geometric

Interpretação de exemplo

1. Classe de dados

PARÂMETROS

• x (Tensor, opcional) - Matriz de recursos do nó com forma [num_nodes, num_node_features]. (padrão: Nenhum) // Matriz de recursos do nó com forma

• edge_index (LongTensor, opcional) - conectividade de gráfico no formato COO com forma [2, num_edges]. (padrão: Nenhum) // O tensor longo no formato COO representa a matriz de adjacência

• edge_attr (Tensor, opcional) - Matriz de recurso de borda com forma [num_edges, num_edge_features]. (padrão: Nenhum) // 边 的 属性

• y (Tensor, opcional) - Alvos de gráfico ou nó com forma arbitrária. (padrão: Nenhum) // A representação de classificação do nó

• pos (Tensor, opcional) - Matriz de posição do nó com forma [num_nodes, num_dimensions]. (padrão: Nenhum) // Matriz de recurso

• norm (Tensor, opcional) - Matriz vetorial normal com forma [num_nodes, num_dimensions]. (padrão: nenhum)

• face (LongTensor, opcional) - Matriz de adjacência de face com forma [3, num_faces]. (padrão: Nenhum) // 邻接 矩阵

ps: Este trecho de vídeo ainda parece um pouco problemático. Os parâmetros a seguir não são explicados de forma muito clara. Não encontrei nenhum exemplo por enquanto. Por favor, venha e altere esta observação quando usá-lo mais tarde.

2. Código de exemplo

import torch
from torch_geometric.data import Data # 首先导入库函数

x = torch.tensor([[2,1],[5,6],[3,7],[12,0]], dtype=torch.float) # 节点值的矩阵 顺序都是按照ABCD排序的

y = torch.tensor([0,1,0,1], dtype=torch.float) # 类型的分类

edge_index = torch.tensor([[0,0,1,1,3],
                          [1,3,0,2,2]], dtype=torch.long) # 邻接矩阵来描述图的信息 COO格式

# edge_attr = [] 这个特征矩阵不需要定义，因为边没有属性

data = Data(x=x, y=y, edge_index=edge_index)

Suplemento de exemplo

Redes Neurais Gráficas Práticas com PyTorch e PyTorch Geometric
não podem abrir o texto original agora. Você pode fazer o download do arquivo pdf no Weibo. Existem muitas traduções na China, mas é melhor ler o texto original. Ajudar a entender

链接：https://pan.baidu.com/s/1dMRV7SDchTX6C3vetf3uRw 
提取码：3sfd

O exemplo neste artigo para a classe Data é o exemplo usado pelo up master, então não continuo a traduzi-lo aqui.