位置: IT常识 - 正文
PyTorch+PyG实现图神经网络经典模型目录(pytorch example)
编辑：rootadmin推荐整理分享PyTorch+PyG实现图神经网络经典模型目录(pytorch example)，希望有所帮助，仅作参考，欢迎阅读内容。
文章相关热门搜索词:pytorch例程,pytorch gui,pytorch tuple,pytorch vgg,pytorch example,pytorch tuple,pytorch tutorial,pytorch tuple,内容如对您有帮助，希望把文章链接给更多的朋友！
前言大家好，我是阿光。
本专栏整理了《图神经网络代码实战》，内包含了不同图神经网络的相关代码实现（PyG以及自实现），理论与实践相结合，如GCN、GAT、GraphSAGE等经典图网络，每一个代码实例都附带有完整的代码。
正在更新中~ ✨
🚨 我的项目环境：
平台：Windows10语言环境：python3.7编译器：PyCharmPyTorch版本：1.11.0PyG版本：2.1.0🌠 『精品学习专栏导航帖』🐧【Matplotlib绘制图像目录】Python数据可视化之美🐧
🎠【Pandas数据处理100例目录】Python数据分析玩转Excel表格数据🎠
🐳最适合入门的100个深度学习实战项目🐳
🐙【PyTorch深度学习项目实战100例目录】项目详解 + 数据集 + 完整源码🐙
🐶【机器学习入门项目10例目录】项目详解 + 数据集 + 完整源码🐶
🦜【机器学习项目实战10例目录】项目详解 + 数据集 + 完整源码🦜
🐌Java经典编程100例🐌
🦋Python经典编程100例🦋
🦄蓝桥杯历届真题题目+解析+代码+答案🦄
🐯【2023王道数据结构目录】课后算法设计题C、C++代码实现完整版大全🐯
对于本专栏的网络模型，分别使用了三种实现方式 PyG框架实现、PyTorch实现、Message Passing消息传递机制实现，小伙伴可以按照自己的能力以及需求学习不同的实现方式。
注意 🚨：本目录中已存在的链接博文已全部写好，例如 + （一）：节点分类 这类带有删除线的文章表示正在更新中，如果写完会去掉删除线，点击出现404表示文章还没有发布，后续根据情况陆续发布。
🌈『目录』📢 PyG算子、数据集介绍
（一）：PyG内置常见图数据集一览表（二）：PyG图神经网络算子一览表📢 图神经网络常见任务与应用场景
（一）：节点分类（PyG基于GCN实现Cora节点分类任务）（二）：图分类（PyG基于GCN实现MUTAG图分类任务） + （三）：链路预测 + （四）：异常检测 + （五）：社区检测📢 图嵌入学习（Graph Embedding）
（一）：DeepWalk（PyG基于DeepWalk实现节点分类及其可视化）（二）：Node2Vec（PyG基于Node2Vec实现节点分类及其可视化）（三）：MetaPath2Vec（PyG基于MetaPath2Vec实现节点分类及其可视化） + （三）：LINE📢 图池化（Graph Pooling）
（一）：EdgePool（Pytorch+PyG实现EdgePool实现图分类）（二）：TopKPool（Pytorch+PyG实现TopKPool实现图分类）（三）：SAGPool（Pytorch+PyG实现SAGPool实现图分类）（四）：ASAPool（Pytorch+PyG实现ASAPool实现图分类）📢 MLP
（一）：Pytorch+PyG实现MLP(基于PyG实现)（二）：Pytorch实现MLP(基于PyTorch实现)📢 GCN
（一）：Pytorch+PyG实现GCN(基于PyG实现)（二）：Pytorch实现GCN(基于PyTorch实现)（三）：Pytorch实现GCN(基于Message Passing消息传递机制实现)📢 GAT
（一）：Pytorch+PyG实现GAT(基于PyG实现)（二）：Pytorch实现GAT(基于PyTorch实现)（三）：Pytorch实现GAT(基于Message Passing消息传递机制实现)📢 GIN
（一）：Pytorch+PyG实现GIN(基于PyG实现)（二）：Pytorch实现GIN(基于PyTorch实现)（三）：Pytorch实现GIN(基于Message Passing消息传递机制实现)📢 GraphSAGE
（一）：Pytorch+PyG实现GraphSAGE(基于PyG实现)（二）：Pytorch实现GraphSAGE(基于PyTorch实现)（三）：Pytorch实现GraphSAGE(基于Message Passing消息传递机制实现)📢 EdgeCNN
（一）：Pytorch+PyG实现EdgeCNN(基于PyG实现)（二）：Pytorch实现EdgeCNN(基于PyTorch实现)（三）：Pytorch实现EdgeCNN(基于Message Passing消息传递机制实现)📢 GraphConv
（一）：Pytorch+PyG实现GraphConv(基于PyG实现)（二）：Pytorch实现GraphConv(基于PyTorch实现)（三）：Pytorch实现GraphConv(基于Message Passing消息传递机制实现)注意🚨：所有文章使用的图数据是经典的 Cora 数据集，定义的训练轮数（200轮）以及损失函数优化器都是一致的，由于图网络很容易过拟合导致训练集的分类精度达到 99.9%，所以下表中显示的数据都是基于测试集的。
AccuracyLossMLP0.18001.9587GCN0.72001.3561GAT0.78101.0362GIN0.76500.9645GraphSAGE0.70601.2712EdgeCNN0.37901.7529GraphConv0.60301.2378上一篇：CVPR‘2023 即插即用系列! | BiFormer: 通过双向路由注意力构建高效金字塔网络架构(即插即用系统)
下一篇：Vue项目如何打包并部署(nginx)(vue项目如何打包成dist)
