目 录
第1章 图神经网络概述 1
1.1 什么是图神经网络 1
1.1.1 图的基础知识 1
1.1.2 图神经网络简介 2
1.1.3 图神经网络的应用领域 3
1.2 图神经网络的重要性 4
1.3 图神经网络与传统深度学习的区别 5
1.3.1 传统深度学习模型 6
1.3.2 图神经网络与传统深度学习的区别 8
第2章 PyTorch开发环境搭建 10
2.1 Anaconda的安装和配置 10
2.2 PyCharm的安装和配置 12
2.3 PyTorch Geometric的安装和配置 13
2.3.1 查看系统支持的CUDA版本 14
2.3.2 下载最新的Navida显卡驱动 14
2.3.3 下载CUDA Toolkit 14
2.3.4 cuDNN的安装 16
2.3.5 安装PyTorch框架虚拟环境 17
2.3.6 检查PyTorch框架的安装 18
2.3.7 安装图神经网络库 19
2.3.8 使用Jupyter Notebook运行代码 20
第3章 数据集的获取与加载 22
3.1 PyTorch Geometric内置数据集 22
3.1.1 PyTorch Geometric简介 22
3.1.2 PyG内置数据集简介 23
3.1.3 如何加载内置数据集 24
3.2 自定义数据集 25
3.2.1 torch_geometric.data.Dataset类 25
3.2.2 torch_geometric.data.DataLoader类 28
3.2.3 如何加载自定义数据集 29
3.3 数据集预处理步骤 31
3.3.1 图像数据预处理 31
3.3.2 图数据预处理 41
第4章 图神经网络模型 45
4.1 图卷积神经网络 46
4.1.1 图卷积神经网络的起源和发展 46
4.1.2 图卷积神经网络与卷积神经网络的异同 46
4.1.3 图卷积神经网络简单代码实现 47
4.1.4 卷积神经网络简单代码示例 49
4.1.5 图卷积神经网络的应用领域 50
4.2 图注意力网络 51
4.2.1 图注意力网络的由来和发展 51
4.2.2 图注意力网络模型代码实现 51
4.2.3 图注意力网络的应用领域 53
4.3 图自编码器 54
4.3.1 图自编码器的由来和发展 54
4.3.2 图自编码器代码实现 54
4.3.3 图自编码器的应用领域 56
4.4 图生成网络 57
4.4.1 图生成网络的由来和发展 57
4.4.2 图生成网络代码实现 57
4.4.3 图生成网络的应用领域 59
第5章 图神经网络在自然语言处理领域的应用 60
5.1 基于图神经网络的文本分类实现 60
5.1.1 问题描述 61
5.1.2 导入数据集 61
5.1.3 词嵌入 63
5.1.4 构造邻接矩阵 64
5.1.5 构建图数据 66
5.1.6 图的小型批处理 68
5.1.7 图卷积神经网络 69
5.1.8 模型训练与测试 70
5.2 基于图神经网络的情感分析实现 71
5.2.1 问题描述 72
5.2.2 导入数据集 72
5.2.3 词嵌入 74
5.2.4 语法依存树 74
5.2.5 图的小型批处理 76
5.2.6 图神经网络的构造 77
5.2.7 模型训练与测试 78
5.3 基于图神经网络的机器翻译实现 79
5.3.1 基于语法感知的图神经网络编码器用于机器翻译 80
5.3.2 利用图卷积神经网络挖掘机器翻译中的语义信息 80
5.3.3 示例总结 80
第6章 图神经网络在计算机视觉领域的应用 81
6.1 基于图神经网络的图像分类实现 82
6.1.1 基于端到端的图神经网络模型的图像分类 82
6.1.2 基于区域的图神经网络模型的图像分类 93
6.2 基于图神经网络的目标检测实现 117
6.2.1 图神经网络的目标检测方法及其优缺点 117
6.2.2 GSDT目标检测的步骤 118
6.2.3 问题描述 120
6.2.4 导入数据集 120
6.2.5 模型搭建 120
6.2.6 模型训练与测试 121
6.3 基于图神经网络的图像生成实现 122
6.3.1 基于草图组合与图像匹配的图像生成 122
6.3.2 基于图神经网络的场景图生成 125
6.3.3 基于图卷积神经网络从场景图生成图像 126
第7章 图神经网络在推荐系统领域的应用 153
7.1 基于图神经网络的用户兴趣建模实现 154
7.2 基于图神经网络的推荐算法实现 155
7.3 基于图神经网络的广告推荐实现 156
7.3.1 数据预处理 157
7.3.2 模型定义 161
7.3.3 参数设置 165
7.3.4 模型训练与测试 168
7.3.5 结果 173
第8章 图神经网络在社交网络领域的应用 174
8.1 基于图神经网络的社交网络分析实现 174
8.1.1 问题描述 174
8.1.2 导入数据集 175
8.1.3 模型搭建 176
8.1.4 模型训练与测试 177
8.1.5 示例总结 178
8.2 基于图神经网络的社交网络关系预测实现 180
8.2.1 问题描述 180
8.2.2 导入数据集 181
8.2.3 模型搭建 182
8.2.4 模型训练与测试 183
8.2.5 示例总结 186
8.3 基于图神经网络的社交网络推荐实现 190
8.3.1 问题描述 190
8.3.2 导入数据集 190
8.3.3 模型搭建 192
8.3.4 模型训练与测试 193
8.3.5 示例总结 195
第9章 图神经网络的挑战和机遇 197
9.1 图神经网络的发展历程和现状 197
9.1.1 图神经网络的分类 198
9.1.2 经典的图神经网络模型 198
9.2 图神经网络的技术挑战和应用机遇 202
9.3 图神经网络的未来发展方向和热点问题 203
· · · · · · (
收起)
还没人写过短评呢