4 个月前

使用PyTorch Geometric加速图表示学习

使用PyTorch Geometric加速图表示学习

摘要

我们介绍了一种基于 PyTorch 的库——PyTorch Geometric,该库用于在非规则结构输入数据(如图、点云和流形)上进行深度学习。除了提供通用的图数据结构和处理方法外,它还包含了许多最近发表的关系学习和 3D 数据处理领域的算法。通过利用稀疏 GPU 加速、提供专用的 CUDA 内核以及引入高效的变大小输入样本的小批量处理机制,PyTorch Geometric 实现了高数据吞吐量。本文详细介绍了该库,并在同质评估场景中对实现的方法进行了全面的比较研究。

代码仓库

long-9621/splinecnn
pytorch
GitHub 中提及
luxtu/OCTA-graph
pytorch
GitHub 中提及
ncfrey/litmatter
pytorch
GitHub 中提及
leojklarner/gauche
pytorch
GitHub 中提及
rusty1s/pytorch_geometric
官方
pytorch
GitHub 中提及

基准测试

基准方法指标
graph-classification-on-collabGCN
Accuracy: 80.6%
graph-classification-on-imdb-bGIN-0
Accuracy: 72.8%
graph-classification-on-mutagGIN-0
Accuracy: 85.7%
graph-classification-on-proteinsDiffPool
Accuracy: 75.1%
graph-classification-on-reddit-bDiffPool
Accuracy: 92.1
node-classification-on-citeseerAPPNP
Accuracy: 70.0 ± 1.4
node-classification-on-coraAPPNP
Accuracy: 82.2% ± 1.5%
node-classification-on-pubmedAPPNP
Accuracy: 79.4 ± 2.2

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
使用PyTorch Geometric加速图表示学习 | 论文 | HyperAI超神经