文件名称：jax-gcn:JAX 中的图卷积网络
文件大小：5.07MB
文件格式：ZIP
更新时间：2024-06-19 09:06:11
graph-convolutional-networks gcn jax graph-neural-networks Python
JAX 中的图卷积网络 这个存储库在 JAX 中实现了 GCN（在上查看）。 该代码包含具有两个图卷积层的图卷积网络的模型定义，遵循论文使用的模型。 用法 跑步 python train.py 在 Cora 数据集上训练模型。 很高兴知道 我实现了一个稀疏矩阵乘法函数来支持稀疏邻接矩阵，默认情况下是启用的。 如果您遇到任何错误，可以通过在运行命令中添加标志--no-sparse来禁用它。 引用 这是论文的JAX 实现。 如果您在研究中使用它，请引用该论文： @article{kipf2016semi, title={Semi-Supervised Classification with Graph Convolutional Networks}, author={Kipf, Thomas N and Welling, Max}, journal={arXiv prepri
【文件预览】：
jax-gcn-master
----models.py(4KB)
----utils.py(5KB)
----data()
--------ind.cora.test.index(5KB)
--------ind.pubmed.x(23KB)
--------ind.citeseer.allx(581KB)
--------ind.citeseer.tx(254KB)
--------ind.citeseer.x(30KB)
--------ind.pubmed.y(854B)
--------ind.pubmed.tx(396KB)
--------ind.pubmed.graph(461KB)
--------ind.pubmed.ty(12KB)
--------ind.citeseer.y(3KB)
--------ind.cora.graph(58KB)
--------ind.pubmed.test.index(6KB)
--------ind.cora.ally(47KB)
--------ind.cora.x(22KB)
--------ind.citeseer.graph(61KB)
--------ind.cora.ty(27KB)
--------ind.citeseer.test.index(5KB)
--------ind.cora.allx(251KB)
--------ind.citeseer.ally(54KB)
--------ind.pubmed.ally(219KB)
--------ind.citeseer.ty(24KB)
--------ind.pubmed.allx(7.23MB)
--------ind.cora.y(4KB)
--------ind.cora.tx(145KB)
----test.py(4KB)
----train.py(4KB)
----sparse_matmul.py(480B)
----.gitignore(14B)
----README.md(1KB)