怎样操作图卷积收集对图举办深度进修（上）
发布时间：2020-01-26 22:41:09 所属栏目：运营 来源：站长网
导读：副问题#e# 基于图的呆板进修是一项坚苦的使命，由于图的布局很是伟大，并且信息量也很大。这篇文章是关于怎样用图卷积收集（GCNs）对图举办深度进修的系列文章中的第一篇，GCNs是一种强盛的神经收集，旨在直接处理赏罚图并操作其布局信息。 在这篇文章中，我将
|
调查连接矩阵的每一行中的权重（值）已除以与该行相对应的节点的阶数。我们将撒播法则应用于调动后的连接矩阵 In [11]: D**-1 * A * X
Out[11]: matrix([
[ 1. , -1. ],
[ 2.5, -2.5],
[ 0.5, -0.5],
[ 2. , -2. ]
])
获得与相邻节点特性均值对应的节点暗示。这是由于（转换后的）连接矩阵中的权重对应于连接节点特性的加权和中的权重。再次，我勉励你亲身验证这一调查功效。 原文链接：https://towardsdatascience.com/how-to-do-deep-learning-on-graphs-with-graph-convolutional-networks-7d2250723780 （编辑：河北网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
