DGL系列之(二)：使用DGL实现GCN

import dgl
import dgl.function as fn
import torch as th
import torch.nn as nn
import torch.nn.functional as F
from dgl import DGLGraphgcn_msg=fn.copy_src(src="h",out="m")
gcn_reduce=fn.sum(msg="m",out="h")#聚合邻居节点的特征#定义节点的UDF apply_nodes  他是一个完全连接层
class NodeApplyModule(nn.Module):#初始化def __init__(self,in_feats,out_feats,activation):super(NodeApplyModule,self).__init__()self.linear=nn.Linear(in_feats,out_feats)self.activation=activation#前向传播def forward(self,node):h=self.linear(node.data["h"])if self.activation is not None:h=self.activation(h)return {"h":h}#定义GCN模块  GCN模块的本质是在所有节点上执行消息传递  然后再调用NOdeApplyModule全连接层
class GCN(nn.Module):#初始化def __init__(self,in_feats,out_feats,activation):super(GCN,self).__init__()#调用全连接层模块self.apply_mod=NodeApplyModule(in_feats,out_feats,activation)#前向传播def forward(self,g,feature):g.ndata["h"]=feature#feature应该对应的整个图的特征矩阵g.update_all(gcn_msg,gcn_reduce)g.apply_nodes(func=self.apply_mod)#将更新操作应用到节点上return g.ndata.pop("h")#利用cora数据集搭建网络然后训练
class Net(nn.Module):#初始化网络参数def __init__(self):super(Net,self).__init__()self.gcn1=GCN(1433,16,F.relu)#第一层GCNself.gcn2=GCN(16,7,None)#前向传播def forward(self,g,features):x=self.gcn1(g,features)x=self.gcn2(g,x)return x
net=Net()
net#使用DGL内置模块加载cora数据集
from dgl.data import citation_graph as citegrh
import networkx as nx
def load_cora_data():data = citegrh.load_cora()#加载数据集features=th. FloatTensor(data.features)#特征向量  张量的形式labels=th.LongTensor(data.labels)#所属类别train_mask=th.BoolTensor(data.train_mask)#那些参与训练test_mask=th.BoolTensor(data.test_mask)#哪些是测试集g=data.graphg.remove_edges_from(nx.selfloop_edges(g))#删除自循环的边g = DGLGraph(g)g.add_edges(g.nodes(), g.nodes())return g, features, labels, train_mask, test_maskg, features, labels, train_mask, test_mask=load_cora_data()import matplotlib.pyplot as plt
nx.draw(g.to_networkx(),node_size=50,with_labels=True)
plt.show()#测试模型
def evaluate(model, g, features, labels, mask):model.eval()#会通知所有图层您处于评估模式with th.no_grad():logits = model(g, features)logits = logits[mask]labels = labels[mask]_, indices = th.max(logits, dim=1)correct = th.sum(indices == labels)return correct.item() * 1.0 / len(labels)#训练网络
import time
import numpy as np
g, features, labels, train_mask, test_mask = load_cora_data()#定义优化器
optimizer=th.optim.Adam(net.parameters(),lr=1e-3)
dur=[]#时间
for epoch in range(100):print(epoch)if epoch>=3:t0=time.time()net.train()logits = net(g, features)logp = F.log_softmax(logits, 1)loss = F.nll_loss(logp[train_mask], labels[train_mask])optimizer.zero_grad()loss.backward()optimizer.step()if epoch >=3:dur.append(time.time() - t0)acc = evaluate(net, g, features, labels, test_mask)print("Epoch {:05d} | Loss {:.4f} | Test Acc {:.4f} | Time(s) {:.4f}".format(epoch, loss.item(), acc, np.mean(dur)))

DGL系列之(二)：使用DGL实现GCN相关推荐

DGL教程【二】如何通过DGL表示一个Graph
通过本节,将学到: 从头开始用DGL构建一个Graph 给Graph添加节点和边的特征获取一些图的信息,如节点的度或节点的其他属性将DGL graph 转换到另一个graph 加载.保存DGL g ...
经典算法研究系列：二、Dijkstra 算法初探
经典算法研究系列:二.Dijkstra 算法初探 July 二零一一年一月 ====================== 本文主要参考:算法导论第二版.维基百科. 写的不好之处,还望见谅. 本 ...
容器开启数据服务之旅系列（二）：Kubernetes如何助力Spark大数据分析
摘要: 容器开启数据服务之旅系列(二):Kubernetes如何助力Spark大数据分析 (二):Kubernetes如何助力Spark大数据分析概述本文为大家介绍一种容器化的数据服务Spark ...
Skype for business混合部署系列之二自定义拓扑信息
Skype for business混合部署系列之二自定义拓扑信息此次部署前端服务器共3台,后端数据库2台采用always on方式,2台SQL Server服务器已经安装完成,在这里不做文档,本章 ...
黄聪：Microsoft Enterprise Library 5.0 系列教程(二) Cryptography Application Block (高级)
原文:黄聪:Microsoft Enterprise Library 5.0 系列教程(二) Cryptography Application Block (高级) 本章介绍的是企业库加密应用程序模块 ...
深入理解 Linux Cgroup 系列（二）：玩转 CPU
原文链接:深入理解 Linux Cgroup 系列(二):玩转 CPU 上篇文章主要介绍了 cgroup 的一些基本概念,包括其在 CentOS 系统中的默认设置和控制工具,并以 CPU 为例阐述 c ...
【冰极峰教程系列之二】：牢不可破的九宫格布局
原创:冰极峰转载请注明出处时间:2009年6月22日 8:40:16 冰极峰教程系列之一:九宫格基本布局冰极峰教程系列之二:牢不可破的九宫格布局冰极峰教程系列之三:三层分离的完美九宫格冰极峰 ...
WPF技术触屏上的应用系列（二）: 嵌入百度地图、API调用及结合本地数据库在地图上进行自定义标点的实现...
原文:WPF技术触屏上的应用系列(二): 嵌入百度地图.API调用及结合本地数据库在地图上进行自定义标点的实现去年某客户单位要做个大屏触屏应用,要对档案资源进行展示之用.客户端是Window7操作系 ...
MySQL优化系列（二）--查找优化（1）（非索引设计）
MySQL优化系列(二)--查找优化(1)(非索引设计) 接下来这篇是查询优化,用户80%的操作基本都在查询,我们有什么理由不去优化他呢??所以这篇博客将会讲解大量的查询优化(索引以及库表结构优化等高 ...
精通八大排序算法系列：二、堆排序算法
精通八大排序算法系列:二.堆排序算法作者:July .二零一一年二月二十日本文参考:Introduction To Algorithms,second edition. ------------- ...

DGL系列之(二)：使用DGL实现GCN

DGL系列之(二)：使用DGL实现GCN相关推荐

最新文章

热门文章