文件名称：deep_gcns：“ DeepGCN：Tensorflow Repo：GCN可以像CNN一样深吗？” ICCV2019口头https://www.deepgcns.org
文件大小：704KB
文件格式：ZIP
更新时间：2024-03-16 23:36:26
3d-point-clouds geometric-deep-learning graph-neural-networks deep-gcns Python
DeepGCN：GCN可以像CNN一样深入吗？ 在这项工作中，我们提出了成功训练非常深的GCN的新方法。 我们从CNN借用概念，主要是残差/密集连接和膨胀卷积，然后将其适应GCN架构。 通过广泛的实验，我们证明了这些深层GCN框架的积极作用。 概述 我们进行了广泛的实验，以展示不同的组件（＃Layers，＃Filters，＃Nearest Neighbors，Dilation等）如何影响DeepGCNs 。 我们还提供了针对不同类型的深层GCN（MRGCN，EdgeConv，GraphSage和GIN）的消融研究。 进一步的信息和详细信息，请联系和 。 要求 （仅用于可视化） （仅用于可视化） conda环境 为了设置运行所有必要依赖项的conda环境， conda env create -f environment.yml 入门 您将在文件夹中找到有关如何使用我们的代码对3
【文件预览】：
deep_gcns-master
----.gitignore(99B)
----data()
--------Stanford3dDataset_v1.2_Aligned_Version()
----LICENSE(1KB)
----utils()
--------pc_util.py(6KB)
--------plyfile.py(26KB)
--------tf_util.py(26KB)
--------eulerangles.py(13KB)
--------provider.py(5KB)
--------data_prep_util.py(5KB)
----README.md(3KB)
----sem_seg()
--------test_pretrained.sh(442B)
--------indoor3d_util.py(22KB)
--------eval_iou_accuracy.py(2KB)
--------download_pretrained_models.sh(254B)
--------meta()
--------sem_seg_util.py(5KB)
--------download_data.sh(257B)
--------collect_indoor3d_data.py(846B)
--------README.md(3KB)
--------train_job.sh(1KB)
--------visualize_pretrained.sh(415B)
--------visualization.ipynb(3KB)
--------batch_inference.py(11KB)
--------test_job.sh(1KB)
--------viz.py(10KB)
--------model.py(6KB)
--------gen_indoor3d_h5.py(4KB)
--------train.py(12KB)
----environment.yml(175B)
----misc()
--------pipeline.png(381KB)
--------intro.png(309KB)
----gcn_lib()
--------gcn_utils.py(2KB)
--------tf_nn.py(2KB)
--------tf_vertex.py(8KB)
--------tf_edge.py(2KB)