文件名称：graphml-tutorials:图上机器学习的教程
文件大小：28.14MB
文件格式：ZIP
更新时间：2024-05-04 01:38:57
tutorials embeddings networks representation-learning graph-convolutional-networks
图上机器学习的教程 贡献者 Payal （ ） （ ） 闵珍（ ） 帕夫林（ ）（ ） 默特·（ ） ·保罗（ ） Marinka Zitnik（ ） 概述 图形机器学习提供了一个强大的工具箱，可以从任意图形结构中学习表示形式，并将学习到的表示形式用于各种下游任务。 这些教程旨在： 介绍图神经网络（GNN）的概念。 讨论不同GNN架构背后的理论动机。 提供这些体系结构的实现。 将体系结构应用于科学和医学中有关互连数据的关键预测问题。 提供图机学习的端到端真实示例。 要求 需要最新版本的NumPy，PyTorch，PyTorch Geometric和Jupyter。 安装 可以使用以下命令安装所有必需的软件包： git clone https://github.com/mims-harvard/graphml-tutorials.git
【文件预览】：
graphml-tutorials-master
----02-KG()
--------rgcn-hetnet.ipynb(28KB)
--------data()
----.github()
--------workflows()
----.tests()
--------import_test.py(3KB)
----05-graph-attention()
--------graph-attention.ipynb(139KB)
--------heterogenenous-graph-attention.ipynb(134KB)
----install.sh(2KB)
----03-graph-classification()
--------molecule.py(437B)
--------pretrain.py(6KB)
--------finetune.py(7KB)
--------README.md(4KB)
--------wiener_index.png(235KB)
--------data()
--------preprocess.py(4KB)
----LICENSE(1KB)
----environment.yml(2KB)
----README.md(2KB)
----06-gnn-explainer()
--------goID_terms.tsv(2.26MB)
--------helper_functions.py(7KB)
--------model_params()
--------README.md(2KB)
--------gnn-explainer.ipynb(976KB)
----graphML.png(358KB)
----04-link-prediction()
--------link-prediction.ipynb(248KB)
----.gitignore(2KB)
----01-intro()
--------gnn-intro.ipynb(81KB)