文件名称：Graph-Transformer:用于图形分类的变压器（Pytorch和Tensorflow）
文件大小：43.08MB
文件格式：ZIP
更新时间：2024-05-19 17:15:22
transformer unsupervised-learning graph-embeddings graph-classification self-attention
图分类用变压器 这一计划规定，在描述了我们U2GNN执行，我们充分利用了变压器自重视网络，构建一个先进的聚合函数学习图形表示。 用法 消息 17-05-2020：更新Pytorch（1.5.0）实施。 要求 Python 3.x Tensorflow 1.14 张量2张量1.13 Networkx 2.3 Scikit学习0.21.2 训练 U2GNN$ python train_U2GNN_Sup.py --dataset IMDBBINARY --batch_size 4 --ff_hidden_size 1024 --fold_idx 1 --num_neighbors 8 --num_sampled 512 --num_epochs 50 --num_timesteps 4 --learning_rate 0.0005 --model_name IMDBBINARY_bs
【文件预览】：
Graph-Transformer-master
----U2GNN_tf()
--------train_U2GNN_Sup.py(10KB)
--------train_U2GNN_Unsup.py(10KB)
--------universal_transformer_modified.py(25KB)
--------model_U2GNN_Unsup_multi.py(4KB)
--------universal_transformer_modified_utils.py(67KB)
--------util.py(6KB)
--------.DS_Store(6KB)
--------model_U2GNN_Sup_multi.py(5KB)
----LICENSE(11KB)
----notes_for_unsupervised_setting.txt(903B)
----U2GNN_pytorch()
--------log_uniform()
--------pytorch_U2GNN_UnSup.py(2KB)
--------pytorch_U2GNN_Sup.py(3KB)
--------util.py(6KB)
--------train_pytorch_U2GNN_UnSup.py(8KB)
--------.DS_Store(6KB)
--------train_pytorch_U2GNN_Sup.py(9KB)
--------sampled_softmax.py(2KB)
----U2GNN.png(191KB)
----gcn_baseline()
--------train_unsup_gcn.py(9KB)
--------util.py(6KB)
--------.DS_Store(6KB)
--------model_unsup_gcn.py(3KB)
--------gcn_layer.py(5KB)
----logo.png(20KB)
----README.md(3KB)
----dataset.zip(42.68MB)