PyTorch+PyG实现图神经网络经典模型目录

前言

大家好，我是阿光。

本专栏整理了《图神经网络代码实战》，内包含了不同图神经网络的相关代码实现（PyG以及自实现），理论与实践相结合，如GCN、GAT、GraphSAGE等经典图网络，每一个代码实例都附带有完整的代码。

正在更新中~ ✨

我的项目环境：

• 平台：Windows10
• 语言环境：python3.7
• 编译器：PyCharm
• PyTorch版本：1.11.0
• PyG版本：2.1.0

---

『精品学习专栏导航帖』

• 【Matplotlib绘制图像目录】Python数据可视化之美

• 【Pandas数据处理100例目录】Python数据分析玩转Excel表格数据

• 最适合入门的100个深度学习实战项目

• 【PyTorch深度学习项目实战100例目录】项目详解 + 数据集 + 完整源码

• 【机器学习入门项目10例目录】项目详解 + 数据集 + 完整源码

• 【机器学习项目实战10例目录】项目详解 + 数据集 + 完整源码

• Java经典编程100例

• Python经典编程100例

• 蓝桥杯历届真题题目+解析+代码+答案

• 【2023王道数据结构目录】课后算法设计题C、C++代码实现完整版大全

---

对于本专栏的网络模型，分别使用了三种实现方式 PyG框架实现、PyTorch实现、Message Passing消息传递机制实现，小伙伴可以按照自己的能力以及需求学习不同的实现方式。

『目录』

---

GCN

• （一）：Pytorch+PyG实现GCN(基于PyG实现)
• （二）：Pytorch实现GCN(基于PyTorch实现)
• （三）：Pytorch实现GCN(基于Message Passing消息传递机制实现)

---

GAT

• （一）：Pytorch+PyG实现GAT(基于PyG实现)
• （二）：Pytorch实现GAT(基于PyTorch实现)
• （三）：Pytorch实现GAT(基于Message Passing消息传递机制实现)

---

注意：所有文章使用的图数据是经典的 Cora 数据集，定义的训练轮数（200轮）以及损失函数优化器都是一致的，由于图网络很容易过拟合导致训练集的分类精度达到 99.9%，所以下表中显示的数据都是基于测试集的。

	Accuracy	Loss
GCN	0.7200	1.3561
GAT	0.7810	1.0362