前言

大家好，我是阿光。

本專欄整理了《圖神經(jīng)網(wǎng)絡(luò)代碼實(shí)戰(zhàn)》，內(nèi)包含了不同圖神經(jīng)網(wǎng)絡(luò)的相關(guān)代碼實(shí)現(xiàn)（PyG以及自實(shí)現(xiàn)），理論與實(shí)踐相結(jié)合，如GCN、GAT、GraphSAGE等經(jīng)典圖網(wǎng)絡(luò)，每一個(gè)代碼實(shí)例都附帶有完整的代碼。

正在更新中~ ?

[圖片上傳失敗...(image-ea3e56-1675240362428)]

?? 我的項(xiàng)目環(huán)境：

• 平臺(tái)：Windows10
• 語(yǔ)言環(huán)境：python3.7
• 編譯器：PyCharm
• PyTorch版本：1.11.0
• PyG版本：2.1.0

?? 『精品學(xué)習(xí)專欄導(dǎo)航帖』

• ??<font color=Tomato>【Matplotlib繪制圖像目錄】Python數(shù)據(jù)可視化之美??

• ??<font color=Sienna>【Pandas數(shù)據(jù)處理100例目錄】Python數(shù)據(jù)分析玩轉(zhuǎn)Excel表格數(shù)據(jù)??

• ??<font color=red>最適合入門的100個(gè)深度學(xué)習(xí)實(shí)戰(zhàn)項(xiàng)目??

• ??<font color=orange>【PyTorch深度學(xué)習(xí)項(xiàng)目實(shí)戰(zhàn)100例目錄】項(xiàng)目詳解 + 數(shù)據(jù)集 + 完整源碼??

• ??<font color=gold>【機(jī)器學(xué)習(xí)入門項(xiàng)目10例目錄】項(xiàng)目詳解 + 數(shù)據(jù)集 + 完整源碼??

• ??<font color=green>【機(jī)器學(xué)習(xí)項(xiàng)目實(shí)戰(zhàn)10例目錄】項(xiàng)目詳解 + 數(shù)據(jù)集 + 完整源碼??

• ??<font color=darkcyan>Java經(jīng)典編程100例??

• ??<font color=blue>Python經(jīng)典編程100例??

• ??<font color=purple>藍(lán)橋杯歷屆真題題目+解析+代碼+答案??

• ??<font color=deepskyblue>【2023王道數(shù)據(jù)結(jié)構(gòu)目錄】課后算法設(shè)計(jì)題C、C++代碼實(shí)現(xiàn)完整版大全??

對(duì)于本專欄的網(wǎng)絡(luò)模型，分別使用了三種實(shí)現(xiàn)方式 PyG框架實(shí)現(xiàn)、PyTorch實(shí)現(xiàn)、Message Passing消息傳遞機(jī)制實(shí)現(xiàn)，小伙伴可以按照自己的能力以及需求學(xué)習(xí)不同的實(shí)現(xiàn)方式。

注意 ??：本目錄中已存在的鏈接博文已全部寫好，例如 + （一）：節(jié)點(diǎn)分類 這類帶有刪除線的文章表示正在更新中，如果寫完會(huì)去掉刪除線，點(diǎn)擊出現(xiàn)404表示文章還沒(méi)有發(fā)布，后續(xù)根據(jù)情況陸續(xù)發(fā)布。

??『目錄』

?? PyG算子、數(shù)據(jù)集介紹

• （一）：PyG內(nèi)置常見(jiàn)圖數(shù)據(jù)集一覽表
• （二）：PyG圖神經(jīng)網(wǎng)絡(luò)算子一覽表

?? 圖神經(jīng)網(wǎng)絡(luò)常見(jiàn)任務(wù)與應(yīng)用場(chǎng)景

• （一）：節(jié)點(diǎn)分類（PyG基于GCN實(shí)現(xiàn)Cora節(jié)點(diǎn)分類任務(wù)）
• （二）：圖分類（PyG基于GCN實(shí)現(xiàn)MUTAG圖分類任務(wù)）
  + （三）：鏈路預(yù)測(cè)
  + （四）：異常檢測(cè)
  + （五）：社區(qū)檢測(cè)

?? 圖嵌入學(xué)習(xí)（Graph Embedding）

+ （一）：DeepWalk
+ （二）：Node2Vec
+ （三）：LINE

?? 圖池化（Graph Pooling）

+ （一）：Node Selection
+ （二）：Graph Coarsening
+ （三）：Hard Rule

?? MLP

• （一）：Pytorch+PyG實(shí)現(xiàn)MLP(基于PyG實(shí)現(xiàn))
• （二）：Pytorch實(shí)現(xiàn)MLP(基于PyTorch實(shí)現(xiàn))

?? GCN

• （一）：Pytorch+PyG實(shí)現(xiàn)GCN(基于PyG實(shí)現(xiàn))
• （二）：Pytorch實(shí)現(xiàn)GCN(基于PyTorch實(shí)現(xiàn))
• （三）：Pytorch實(shí)現(xiàn)GCN(基于Message Passing消息傳遞機(jī)制實(shí)現(xiàn))

?? GAT

• （一）：Pytorch+PyG實(shí)現(xiàn)GAT(基于PyG實(shí)現(xiàn))
• （二）：Pytorch實(shí)現(xiàn)GAT(基于PyTorch實(shí)現(xiàn))
• （三）：Pytorch實(shí)現(xiàn)GAT(基于Message Passing消息傳遞機(jī)制實(shí)現(xiàn))

?? GIN

• （一）：Pytorch+PyG實(shí)現(xiàn)GIN(基于PyG實(shí)現(xiàn))
• （二）：Pytorch實(shí)現(xiàn)GIN(基于PyTorch實(shí)現(xiàn))
• （三）：Pytorch實(shí)現(xiàn)GIN(基于Message Passing消息傳遞機(jī)制實(shí)現(xiàn))

?? GraphSAGE

• （一）：Pytorch+PyG實(shí)現(xiàn)GraphSAGE(基于PyG實(shí)現(xiàn))
• （二）：Pytorch實(shí)現(xiàn)GraphSAGE(基于PyTorch實(shí)現(xiàn))
• （三）：Pytorch實(shí)現(xiàn)GraphSAGE(基于Message Passing消息傳遞機(jī)制實(shí)現(xiàn))

?? EdgeCNN

• （一）：Pytorch+PyG實(shí)現(xiàn)EdgeCNN(基于PyG實(shí)現(xiàn))
• （二）：Pytorch實(shí)現(xiàn)EdgeCNN(基于PyTorch實(shí)現(xiàn))
• （三）：Pytorch實(shí)現(xiàn)EdgeCNN(基于Message Passing消息傳遞機(jī)制實(shí)現(xiàn))

?? GraphConv

• （一）：Pytorch+PyG實(shí)現(xiàn)GraphConv(基于PyG實(shí)現(xiàn))
• （二）：Pytorch實(shí)現(xiàn)GraphConv(基于PyTorch實(shí)現(xiàn))
• （三）：Pytorch實(shí)現(xiàn)GraphConv(基于Message Passing消息傳遞機(jī)制實(shí)現(xiàn))

注意??：所有文章使用的圖數(shù)據(jù)是經(jīng)典的 Cora 數(shù)據(jù)集，定義的訓(xùn)練輪數(shù)（200輪）以及損失函數(shù)優(yōu)化器都是一致的，由于圖網(wǎng)絡(luò)很容易過(guò)擬合導(dǎo)致訓(xùn)練集的分類精度達(dá)到 99.9%，所以下表中顯示的數(shù)據(jù)都是基于測(cè)試集的。