الوصف
يعد مستودع lightaime/deep_gcns_torch تطبيقًا شاملاً لـ PyTorch لتدريب شبكات التفاف الرسم البياني العميقة للغاية (GCNs). مستوحى من نجاح شبكات CNN العميقة، يقدم هذا المشروع طرقًا جديدة للتغلب على تحديات تدريب GCNs بعدد كبير من الطبقات. تشمل التكيفات المعمارية الرئيسية دمج الاتصالات المتبقية والكثيفة، جنبًا إلى جنب مع الالتفافات المتوسعة، والتي تعد أساسية لتحقيق العمق في شبكات CNN. تم تكييف هذه التقنيات بعناية مع البنية الفريدة لبيانات الرسم البياني، مما يسمح بنماذج GNN أكثر قوة وقابلية للتوسع.
قراءة المزيد
يستضيف المستودع رمزًا للعديد من نماذج GNN الهامة والمساهمات البحثية: DeepGCNs (نُشرت في ICCV'2019 و TPAMI'2021)، و DeeperGCN (مُقدمة في arXiv'2020)، و GNN1000 (مُقدمة في ICML'2021). تم تقييم هذه النماذج على مجموعات بيانات معيارية مختلفة، بما في ذلك S3DIS، و PartNet، و ModelNet40، و PPI، ومجموعات بيانات OGB، مما يوضح فعاليتها في مهام مثل تصنيف سحابة النقاط، والتجزئة الدلالية، والتنبؤ بخصائص العقدة/الرسم البياني.
يمكن للمستخدمين العثور على تعليمات مفصلة لإعداد البيئة، وتشغيل التجارب، وتقييم النماذج داخل ملفات README الموجودة في مجلدات الأمثلة ذات الصلة. تم تنظيم بنية الكود لتسهيل النمطية والقابلية للتوسيع، مع أدلة مخصصة لمكتبات GCN (البيانات المتفرقة والكثيفة)، ووحدات فعالة من حيث الذاكرة، وتطبيقات أمثلة متنوعة. يؤكد المشروع على التجارب المكثفة ودراسات الاستئصال لفهم تأثير المكونات المعمارية المختلفة على أداء GCN.
هذا المورد لا يقدر بثمن للباحثين والممارسين في مجالات رؤية الكمبيوتر، والمعلوماتية الحيوية، والمعلوماتية الكيميائية، وتحليل الشبكات الاجتماعية الذين يعملون مع البيانات المنظمة على شكل رسوم بيانية. من خلال توفير نماذج GNN منفذة جيدًا وإعدادات تجريبية واضحة، يهدف المستودع إلى دفع أحدث ما توصلت إليه التكنولوجيا في التعلم العميق على الرسوم البيانية وتشجيع المزيد من الاستكشاف في معماريات شبكات الرسم البياني العصبية الأعمق والأكثر فعالية.
- الفئةمنصّات تعلّم الآلة
- نموذج التسعيرمفتوح المصدر
- النشرسحابي, استضافة ذاتية
- المنصاتالويب
الميزات الأساسية لـ DeepGCNs
تطبيق PyTorch لـ DeepGCNs
رمز لـ DeeperGCN (arXiv'2020)
تطبيق GNN1000 (ICML'2021)
تكييف مفاهيم CNN (اتصالات متبقية/كثيفة، تمدد) لـ GCNs
نتائج تجريبية مكثفة ودراسات استئصال
دعم لمجموعات بيانات الرسم البياني المختلفة (S3DIS، PartNet، ModelNet40، PPI، OGB)
رمز لتصنيف سحابة النقاط والتجزئة الدلالية
رمز للتنبؤ بخصائص العقدة والرسم البياني
وحدات GNN فعالة من حيث الذاكرة
بنية كود نمطية لمكتبات GCN (متفرقة وكثيفة)
تعليمات واضحة لإعداد البيئة وتنفيذ النموذج
مفتوح المصدر بموجب ترخيص MIT
البدء مع DeepGCNs
استنساخ المستودع: قم بتنزيل الكود من مستودع GitHub.
تثبيت البيئة: قم بتشغيل البرنامج النصي `deepgcn_env_install.sh` لإعداد المكتبات المطلوبة.
تكوين التجارب: انتقل إلى دليل `examples` وحدد مهمة (مثل `modelnet_cls`، `sem_seg_dense`).
تشغيل النماذج: اتبع التعليمات في ملفات README الخاصة بالمهمة لتدريب النماذج واختبارها وتقييمها.
دمج الوحدات: استخدم مكتبات GCN والوحدات الفعالة في مشاريع شبكات الرسم البياني العصبية المخصصة.
التكيف للبحث: قم بتعديل وتوسيع المعماريات الحالية لمهام تعلم الرسم البياني الجديدة.
حالات استخدام DeepGCNs
- تصنيف سحابة النقاط
- التجزئة الدلالية
- تصنيف العقد
- التنبؤ بخصائص الرسم البياني
- تجزئة الأجزاء
- بحث GNN
