人工智能深度学习系统班6期 10 图神经网络实战
- 01 图神经网络基础
- 01 图神经网络应用领域分析
- 02 图基本模块定义
- 03 邻接矩阵的定义
- 04 GNN中常见任务
- 05 消息传递计算方法
- 06 多层GCN的作用
- 02 图卷积GCN模型
- 01 GCN基本模型概述
- 02 图卷积的基本计算方法
- 03 邻接的矩阵的变换
- 04 GCN变换原理解读
- 03 图模型必备神器PyTorch Geometric安装与使用
- 01 PyTorch Geometric工具包安装与配置方法
- 02 数据集与邻接矩阵格式
- 03 模型定义与训练方法
- 04 文献引用数据集分类案例实战
- 04 使用PyTorch Geometric构建自己的图数据集
- 01 构建数据集基本方法
- 02 数据集与任务背景概述
- 03 数据集基本预处理
- 04 用户行为图结构创建
- 05 数据集创建函数介绍
- 06 网络结构定义模块
- 07 TopkPooling进行下采样任务
- 08 获取全局特征
- 09 模型训练与总结
- 05 图注意力机制与序列图模型
- 01 图注意力机制的作用与方法
- 02 邻接矩阵计算图Attention
- 03 序列图神经网络TGCN应用
- 04 序列图神经网络细节
- 06 图相似度论文解读
- 01 要完成的任务分析
- 02 基本方法概述解读
- 03 图模型提取全局与局部特征
- 04 NTN模块的作用与效果
- 05 点之间的对应关系计算
- 06 结果输出与总结
- 07 图相似度计算实战
- 01 数据集与任务概述
- 02 图卷积特征提取模块
- 03 分别计算不同Batch点的分布
- 04 获得直方图特征结果
- 05 图的全局特征构建
- 06 NTN图相似特征提取
- 07 预测得到相似度结果
- 08 基于图模型的轨迹估计
- 01 数据集与标注信息解读
- 02 整体三大模块分析
- 03 特征工程的作用与效果
- 04 传统方法与现在向量空间对比
- 05 输入细节分析
- 06 子图模块构建方法
- 07 特征融合模块分析
- 08 VectorNet输出层分析
- 09 图模型轨迹估计实战
- 01 数据与环境配置
- 02 训练数据准备
- 03 Agent特征提取方法
- 04 DataLoader构建图结构
- 05 SubGraph与Attention模型流程