data.x:表示节点特征矩阵,形状是 [num_nodes, num_node_features]。 data.edge_index:以 COO 格式表示的边, 形状是 [2, num_edges],类型为 torch.long。COO是用来描述稀疏矩阵的一种方法,简单说就是将矩阵中的非零元素用坐标和值表示出来,为零的元素不表示,以达到节省空间的目的。data.edge_index 中,第...
16) self.conv2 = GCNConv(16, dataset.num_classes) def forward(self, data): x, edge_index = data.x, data.edge_index x = self.conv1(x, edge
self.layers = nn.Sequential( nn.Linear(dataset.num_node_features, 64), nn.ReLU(), nn.Linear(64, 32), nn.ReLU(), nn.Linear(32, dataset.num_classes) ) def forward(self, data): x = data.x # only using node features ...
self.conv2 = GraphConv(16, dataset.num_classes) # 输入特征数为16,输出特征数为节点类别数 这里,我们定义了两个GraphConv层。第一层将节点的特征从num_features维度映射到16维,第二层将节点的特征从16维映射到num_classes维度。dataset.num_features和dataset.num_classes是节点特征数和类别数。接下来,我们实...
name='ENZYMES',)# 数据集的长度print(len(dataset))# 数据集的类别数print(dataset.num_classes)# 数据集中节点属性向量的维度print(dataset.num_node_features)#600个图,我们可以根据索引选择要使用哪个图 data=dataset[0]print(data)# 随机打乱数据集 ...
num_classes) ) def forward(self, data): x = data.x # only using node features (x) output = self.layers(x) return output 我们用一个普通的Pytorch训练/验证流程来定义训练和评估函数。 代码语言:javascript 代码运行次数:0 运行 AI代码解释 def train_node_classifier(model, graph, optimizer, ...
Cora是一个机器学习论文数据集。其中共有7个类别(num_classes:基于案例、遗传算法、 神经网络、概率方法、强化学习 、规则学习、理论。整个数据集中共有2708篇论文,在词干堵塞和去除词尾后,只剩下1433个独特的单词(num_node_features),文档频率小于10的所有单词都被删除。 from torch_geometric.datasets import Planeto...
("网络数据包含的类的数量",dataset.num_classes)print("网络的数据的边的特征的数量",dataset.num_edge_features)print("网络数据边的数量:",dataset.data.edge_index.shape[1]/2)print("网络数据节点的特征数量:",dataset.num_node_features)print("网络数据节点的数量:",dataset.data.x.shape[0])#输出为...
nn.Linear(32, dataset.num_classes) ) def forward(self, data): x = data.x # only using node features (x) output = self.layers(x) return output 我们用一个普通的Pytorch训练/验证流程来定义训练和评估函数。 def train_node_classifier(model, graph, optimizer, criterion, n_epochs=200): ...
记录pyg学习笔记,如写法有误处,欢迎大家批评指正,感谢! importtorchfromtorch_geometric.dataimportDatafromtorch_geometric.datasetsimportTUDataset#导入PYG内置的公开数据集任务dataset=TUDataset(root='/tmp/ENZYMES',name='ENZYMES')#打印图的个数print(len(dataset))#打印图的类别数量print(dataset.num_classes)#打印...