1 概述
PyG(PyTorch Geometric)是一个建立在 PyTorch 基础上的库,用于轻松编写和训练图神经网络(GNN),用于与结构化数据相关的广泛应用
任务形态
GNN中常见任务:Graph级别任务、Node级别任务、Edge级别任务
包括:节点分类,节点连接预测,图相似度检测,异常检测,图分类
多层GNN不会改变图的拓扑结构,但是会改变点的特征,多层GNN处理可以扩大感受野
GCN和CNN有什么不同和相同点
不同点:图卷积中每个点的邻居数量是不确定的,图卷积中的数据输入格式不确定
相同点:GCN和CNN本质都需要对输入数据做特征提取,且都是根据某个点周围点的情况提取特征
GCN 可以处理 semi-supervised learning,即只有部分节点有标签的情况,计算损失时只用有标签的计算
GCN 的层数一般3~5层比较好,层数叠加可能导致反效果