基于DGL的few-shot数据集划分方法

阅读量：

目标

在处理DGL数据集的few-shot问题时，需将数据集分割为nshot的训练集、验证集与测试集。要求生成多个任务，每个任务中训练集、验证集与测试集的比例需保持一致。在同一个任务内部，训练集、验证集与测试集之间不得存在交叠；而不同任务之间，训练集、验证集与测试集则允许存在交叠。

Graph-Level

数据格式

以MUTAG作为实例：

复制代码

    {'id': 'G_N22_E50_NL3_EL3_133', 'graph': Graph(num_nodes=22, num_edges=50,
      ndata_schemes={'indeg': Scheme(shape=(), dtype=torch.float32), 'label': Scheme(shape=(), dtype=torch.int64), 'id': Scheme(shape=(), dtype=torch.int64), 'sample': Scheme(shape=(3,), dtype=torch.int64)}
      edata_schemes={}), 'label': tensor(0)}
    
    
    AI写代码python
    
    运行

label用于标识graph所属的类别

代码

`

全部评论 (0)

还没有任何评论哟~