Artigo Diretório
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 links diretos para links diretosO acesso ao link direto para 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 1.6.0
e 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.