GNN - Tag - Xiaopeng Xuhttps://xu-xp.com/tags/gnn/GNN - Tag - Xiaopeng XuHugo -- gohugo.ioenxiaopeng.xu@kaust.edu.sa (Xiaopeng Xu)xiaopeng.xu@kaust.edu.sa (Xiaopeng Xu)Mon, 01 Jan 2024 00:00:00 +0000深度学习在图上的应用https://xu-xp.com/posts/dl_in_graph/Mon, 01 Jan 2024 00:00:00 +0000xiaopeng.xu@kaust.edu.sa (Xiaopeng Xu)https://xu-xp.com/posts/dl_in_graph/<blockquote> <p>Zhang Z , Cui P , Zhu W . Deep Learning on Graphs: A Survey[J]. 2018. 深度学习在大量领域表现出明显的效果，无论是语音，图像，还是自然语言处理。但是由于图结构数据具有独特的属性，深度学习并不是自然的适用。最近，在这个方向进行了大量的研究极大地促进了图分析技术。调研了可以应用于图的不同种类深度学习方法，主要分为三大类：半监督学习，包括图神经网络和图卷积神经网络；无监督学习图自编码机；最新的进展，图循环神经网络和图强化学习。分析了不同方法的特点和联系。</p>Torch Geometric 常用命令https://xu-xp.com/posts/pytorch_geometrics_commons/Wed, 10 Aug 2022 00:00:00 +0000xiaopeng.xu@kaust.edu.sa (Xiaopeng Xu)https://xu-xp.com/posts/pytorch_geometrics_commons/<p>Torch Geometric（PyG）是一个基于PyTorch的用于处理不规则数据（比如图）的库，或者说是一个用于在图等数据上快速实现表征学习的框架。由于速度和方便的优势，PyG 是当前最流行和广泛使用的GNN库。</p>图深度学习：成果、挑战与未来https://xu-xp.com/posts/graph_dl/Fri, 20 Nov 2020 00:00:00 +0000xiaopeng.xu@kaust.edu.sa (Xiaopeng Xu)https://xu-xp.com/posts/graph_dl/本文最初发表在 TowardsDataScience 博客，经原作者 Michael Bronstein 授权，InfoQ 中文站翻译并分享。

2020-01-15

来源：https://towardsdatascience.com/deep-learning-on-graphs-successes-challenges-and-next-steps-7d9ec220ba8

来自一个系列：https://towardsdatascience.com/graph-deep-learning/home

引言 & 介绍

]]>