Gnn python 简单用例
时间: 2024-08-12 21:06:16 浏览: 48
GNN(Graph Neural Networks)是一种深度学习模型,用于处理图数据,如社交网络、化学分子结构等。在Python中,最常使用的是开源库如PyTorch Geometric (PyG) 或 DGL(Directed Graph Library)。
简单来说,下面是一个使用PyTorch Geometric(简称PyG)创建并训练GNN模型的简单例子:
```python
# 导入所需模块
import torch
from torch_geometric.nn import GCNConv
# 定义节点特征和边特征
num_nodes = 100
node_features = torch.randn(num_nodes, 16)
edge_index = torch.tensor([[0, 1], [1, 2]], dtype=torch.long)
# 创建图数据结构
data = Data(x=node_features, edge_index=edge_index)
# 定义GCN层
class Net(torch.nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = GCNConv(16, 8)
def forward(self, data):
x = F.relu(self.conv1(data.x, data.edge_index))
return F.log_softmax(x, dim=1)
model = Net()
# 模型训练
optimizer = torch.optim.Adam(model.parameters(), lr=0.01)
for epoch in range(100): # 迭代次数
optimizer.zero_grad()
out = model(data) # 计算每个节点的分类概率
loss = F.nll_loss(out[data.train_mask], data.y[data.train_mask]) # 计算损失
loss.backward() # 反向传播
optimizer.step() # 更新权重
阅读全文