PYG full connection training, GNN feature extraction then processed through fully connected layers.
发布时间
阅读量：
阅读量
在许多情况下，在GNN中直接提取节点特征并随后通过全连接层（FC）进行预测能够显示出更好的效果
1. 端到端训练（End-to-End Training）
通过在GNN架构中直接获取节点特征并结合全连接层（FC）进行预测操作，可以让模型实现完全端到端的学习过程。在整个端到端训练过程中，在每次反向传播步骤中都能够被更新优化的网络参数包括GNN模块以及全连接层（FC）中的相关参数。
class GNNWithFC(nn.Module):
def __init__(self, in_channels, hidden_channels, gnn_out_channels, num_classes):
super(GNNWithFC, self).__init__()
self.conv1 = GCNConv(in_channels, hidden_channels)
self.conv2 = GCNConv(hidden_channels, gnn_out_channels)
self.fc = nn.Linear(gnn_out_channels, num_classes)
def forward(self, data):
x, edge_i全部评论 (0)
还没有任何评论哟~