图神经网络技术的出现有其必然性和重要性。深度神经网络技术兴起的前几年，图像、语音、文本等形式的数据都能在深度学习中被很好的应用，并获得十分好的效果。尽管如此，深度学习一直无法很好地对另一类形式的数据--图数据（或称网络数据）进行有效的适配。作为一类主要描述关系的通用数据表示方法，图数据在产业界有着更广阔的应用场景，诸如社交网络、电子购物、物联网、生物制药等场景，都可以找到图数据的影子。将深度学习成功经验迁移到图数据的学习中，是一种十分自然且必要的需求。
| 章节 | 内容 |
|---|---|
|
章节1 数据预处理 |
1 : 什么是图神经网络 2 : 图神经网络和传统深度学习的区别 3 : 图神经网络_构建开发环境 4 : 数据集的获取与加载_PyTorch Geometric简介 5 : 数据集的获取与加载_构建自己的图数据 6 : 数据集的获取与加载_PyG内置数据集 7 : 数据集的获取与加载_自定义数据集之数据预处理 8 : 数据集的获取与加载_自定义数据集之随机抽取部分数据 (2) 9 : 数据集的获取与加载_自定义数据集之制作流程 10 : 数据集的获取与加载_PyTorch Geometric数据集管理 11 : 数据集的获取与加载_自定义数据集 12 : 数据集的获取与加载_Dataset处理数据 13 : 数据集的获取与加载_InMemoryDataset处理数据 14 : 数据集的获取与加载_Dataloader批处理 |
京公网安备 11011402011233号