文件名称：HGP-SL:具有结构学习功能的分层图池
文件大小：1.22MB
文件格式：ZIP
更新时间：2024-05-23 15:07:25
graph graph-algorithms pytorch gcn graph-classification
HGP-SL 具有结构学习功能的分层图形池（可在上获得预印本版本）。 这是HGP-SL算法的PyTorch实现，可学习整个图形的低维表示。 具体来说，图池操作利用节点特征和图结构信息对图执行下采样。 然后，在池化操作上堆叠一个结构学习层，其目的是学习可以最好地保留必要的拓扑信息的精炼图结构。 要求 python3.6 pytorch == 1.3.0 火炬散布== 1.4.0 火炬稀疏== 0.4.3 火炬集群== 1.4.5 火炬几何== 1.3.2 注意：需要较旧版本的割炬稀疏版本，低于0.4.4。 该代码存储库很大程度上建立在，该库是的几何深度学习扩展库。 请参考以了解如何安装和使用该库。 数据集 图形分类基准可在公开获得。 此文件夹包含以下逗号分隔的文本文件（用数据集的名称替换DS）： n =节点总数 m =边总数 N =图数 （1）DS_A.txt（m行）
【文件预览】：
HGP-SL-master
----fig()
--------model.png(513KB)
----.DS_Store(6KB)
----main.py(5KB)
----models.py(2KB)
----README.md(4KB)
----__pycache__()
--------layers.cpython-36.pyc(8KB)
--------models.cpython-36.pyc(2KB)
--------sparse_softmax.cpython-36.pyc(5KB)
----layers.py(11KB)
----data()
--------PROTEINS()
----sparse_softmax.py(4KB)