快速下降法的matlab代码-FastGCN-matlab:Matlab中的FastGCN和伴随代码,用于使用有偏但一致的梯度估计器分析SGD

时间:2024-07-01 20:35:20
【文件属性】:

文件名称:快速下降法的matlab代码-FastGCN-matlab:Matlab中的FastGCN和伴随代码,用于使用有偏但一致的梯度估计器分析SGD

文件大小:4.6MB

文件格式:ZIP

更新时间:2024-07-01 20:35:20

系统开源

快速下降法的matlab代码FastGCN:方法与理论 该存储库包含 FastGCN 的 Matlab 实现,以及优化理论论文的配套代码。 观察到 FastGCN 的 Matlab 代码比 Tensorflow 或 PyTorch 中的其他实现要快得多。 这篇理论论文用有偏但一致的梯度估计器解释了随机梯度下降,是 FastGCN 背后的驱动力。 对于随论文发布的原始 FastGCN 代码(在 Tensorflow 中实现),请参见 。 快速GCN 请参阅目录fastgcn 。 从test_fastgcn.m开始。 参考 陈洁、马腾飞、曹晓。 . 在 ICLR,2018 年。 使用有偏但一致的梯度估计器的 SGD 查看目录sgd_paper 。 从test_1layer.m和test_2layer.m开始。 参考 陈洁和罗尼·拉斯。 . 预印本 arXiv:1807.11880, 2018。


【文件预览】:
FastGCN-matlab-master
----data()
--------cora.mat(804KB)
--------mixture.mat(185KB)
--------gen_mixture.m(2KB)
--------pubmed.mat(12.33MB)
----fastgcn()
--------test_fastgcn.m(3KB)
--------normalizeX.m(147B)
--------model_fastgcn_wrapper.m(650B)
--------model_fastgcn.m(3KB)
--------model_fastgcn_train_and_test.m(5KB)
--------model_fastgcn_wrap_param.m(102B)
--------normalizeDenseA.m(151B)
--------normalizeSparseA.m(227B)
--------model_fastgcn_unwrap_param.m(203B)
----sgd_paper()
--------model_1layer_train_and_test.m(6KB)
--------model_1layer.m(2KB)
--------test_1layer.m(9KB)
--------model_1layer_wrapper.m(473B)
--------normalizeX.m(147B)
--------model_2layer_train_and_test.m(6KB)
--------model_2layer_unwrap_param.m(202B)
--------model_2layer_wrapper.m(614B)
--------normalizeDenseA.m(151B)
--------model_1layer_unwrap_param.m(149B)
--------normalizeSparseA.m(227B)
--------test_2layer.m(10KB)
--------model_1layer_wrap_param.m(90B)
--------model_2layer_wrap_param.m(101B)
--------model_2layer.m(3KB)
----LICENSE(11KB)
----README.md(1KB)
----nn()
--------sgd_one_step.m(243B)
--------forward_cross_entropy.m(137B)
--------forward_sigmoid.m(74B)
--------backward_softmax.m(183B)
--------forward_dropout.m(110B)
--------backward_sigmoid.m(89B)
--------initW.m(88B)
--------forward_graph_conv_sampling.m(287B)
--------sgd_init.m(158B)
--------adam_one_step.m(726B)
--------forward_softmax.m(222B)
--------forward_fc.m(51B)
--------adam_init.m(482B)
--------backward_graph_conv.m(162B)
--------backward_cross_entropy.m(114B)
--------forward_graph_conv.m(67B)
--------backward_fc.m(126B)
--------forward_ReLU.m(63B)
--------metric_accuracy.m(204B)
--------backward_graph_conv_sampling.m(390B)
--------backward_ReLU.m(79B)
--------backward_dropout.m(83B)

网友评论