الوصف
يستضيف مستودع GitHub هذا التنفيذ الرسمي لنموذج تبسيط الشبكات الالتفافية الرسومية (SGC)، كما هو مفصل في ورقة ICML2019. يعد SGC تقدمًا في الشبكات الالتفافية الرسومية (GCNs) التي تبسط البنية عن طريق إزالة اللاخطيات ودمج مصفوفات الأوزان. ينتج عن هذا التحويل نموذج خطي يحتفظ بأداء تنافسي مع تقليل وقت التدريب والموارد الحسابية بشكل كبير.
قراءة المزيد
يدعم التنفيذ مجموعات بيانات رسومية متنوعة، بما في ذلك شبكات الاقتباس مثل Cora و Citeseer و Pubmed، بالإضافة إلى الشبكات الاجتماعية مثل Reddit. بالنسبة لشبكات الاقتباس، يحقق النموذج دقة ملحوظة، على سبيل المثال، 81.0٪ على Cora، و 71.9٪ على Citeseer، و 78.9٪ على Pubmed، مع أوقات تدريب لا تتجاوز 0.13 ثانية على GTX 1080 Ti. بالنسبة لمجموعة بيانات Reddit، فإنه يحقق درجة F1 تبلغ 94.9٪ في 2.7 ثانية.
يتضمن المستودع رمزًا لمعالجة البيانات المسبقة، وتعريف النموذج، والتدريب، والتقييم. كما يوفر إرشادات حول ضبط المعلمات الفائقة، خاصةً لتقليل الوزن، باستخدام أدوات مثل hyperopt. يتم تقديم نصائح عملية، مثل تطبيع الميزات لتكون بمتوسط صفر وانحراف معياري واحد لتسريع التقارب، وهي تقنية مفيدة لـ SGC والنماذج الخطية الأخرى.
بالإضافة إلى التنفيذ الأساسي، يشير المستودع إلى موارد إضافية وتنفيذات مرجعية في مكتبات شائعة مثل Deep Graph Library (DGL) و PyTorch Geometric و Spektral و StellarGraph و tf_geometric. كما يتميز بفرع قيد العمل لدراسات الاستئصال ورمز للمهام اللاحقة، بدءًا من تصنيف النصوص. هذا المشروع هو مورد قيم للباحثين والممارسين الذين يتطلعون إلى الاستفادة من نماذج الشبكات العصبية الرسومية الفعالة والفعالة.
- الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
- نموذج التسعيرمفتوح المصدر
- النشرسحابي, استضافة ذاتية
- المنصاتالويب
الميزات الأساسية لـ تبسيط الشبكات الالتفافية الرسومية
التنفيذ الرسمي لورقة تبسيط الشبكات الالتفافية الرسومية (SGC).
بنية شبكة التفافية رسومية (GCN) مبسطة.
يزيل اللاخطيات ويدمج مصفوفات الأوزان لنموذج خطي.
تقليل كبير في وقت التدريب مقارنة بشبكات GCN التقليدية.
يحقق أداءً تنافسيًا على مجموعات البيانات المعيارية.
يدعم شبكات الاقتباس (Cora، Citeseer، Pubmed) والشبكات الاجتماعية (Reddit).
يتضمن رمزًا لمعالجة البيانات المسبقة وتدريب النموذج والتقييم.
يوفر إرشادات حول ضبط المعلمات الفائقة.
يقدم نصائح عملية حول تطبيع الميزات لتسريع التقارب.
قاعدة رمزية للمهام اللاحقة، بما في ذلك تصنيف النصوص.
إشارات إلى التنفيذات في مكتبات GNN الشائعة.
البدء مع تبسيط الشبكات الالتفافية الرسومية
الوصول إلى النموذج: استنساخ مستودع GitHub.
إعداد البيئة: تثبيت التبعيات باستخدام `pip install -r requirements.txt`.
إعداد البيانات: تنزيل مجموعة بيانات Reddit ووضعها في الدليل `data/`.
التدريب لشبكات الاقتباس: تشغيل `python citation.py --dataset [dataset_name] --tuned`.
التدريب لـ Reddit: تشغيل `python reddit.py --inductive --test`.
التكامل: تكييف البرامج النصية المقدمة لمجموعات البيانات المخصصة أو المهام اللاحقة.
حالات استخدام تبسيط الشبكات الالتفافية الرسومية
- تصنيف العقد
- تصنيف النصوص
- تعلم ميزات الرسم البياني
- تدريب GNN فعال
- قياس أداء GNNs
