@[TOC](文章目录)
---
# 前言
---
最近看了这个GCN图神经网络的代码和论文，对这个神经网络也算是有一些了解，这里做一个阶段性的总结，以便后续回忆起来更加方便。
# 一、GCN是什么？
1、（graph convolution network）图卷积神经网络,是2016年诞生，在顶级会议（ICLR）上面发表，后面便兴起了图神经网络。 2、CNN，RNN等神经网络，对图结构的数据，一直都没有取得良好的效果，GCN做到了。
3、我想其实也是可以延着图神经网络这条线，一直学习下去的，毕竟图神经网络可以很好的提取相关的特征啊。
# 二、公式，原理等
公式：
`参数说明`
- A波浪：A+I，I是单位矩阵
- D波浪：是A波浪的度矩阵
- H是每一层的特征，对于输入层，H就是X
- σ是非线性激活函数
- W是参数矩阵
# 三、代码部分的学习
1、代码目录结构：
- layers.py:封装了GraphConvolution,主要是对参数进行设置，包括weight参数，bias参数的设置定义等
- utils.py:提供了数据初始化，onehot编码，将scipy稀疏矩阵转化为torch的稀疏矩阵，归一化稀疏矩阵，以及计算准确度的函数
详细介绍：
- one_hot():onehot编码，这里使用了一个比较巧妙的方法：先是创建了一个dict的for循环，然后使用map(a,b)函数,a:前面定义的字典写法，b:
label数据，这样就把整个数据切换为了onehot编码。identity():用于n*n的单位矩阵(主对角线素全为1，其余全为0的矩阵)。到时候可以学习一下它的写法。
- load_data():
这个方法中包含了很多关于矩阵数据处理的方法：获取特征的标签；创建图数据；导入edges数据；构建邻接矩阵数据；建立对称邻接矩阵；计算转置矩阵，将有向图转成无向图；使用自行定义的归一化方法，进行归一化；以及将numpy数据转化为torch(
张量数据)
- sparse_mx_to_torch_sparse_tensor():这里是将scipy稀疏矩阵转化为torch稀疏矩阵：from_numpy():将numpy.ndarray转化为pytorch的tensor,
- normalize():行归一化稀疏矩阵。这里有几个方法：isinf():判断无穷大值；diags():构造对角矩阵；dot():是点乘函数，即每个对应的点进行相乘，然后相加。
- model.py:搭建的神经网络，以及一个正向传播的方法
- train.py:这里主要就是训练模型的
· 用创建的模型，训练数据，这里前面是定义了一个模型的，
· 运行模型，输入参数，
· 损失函数定义
· 计算精确度
- 数据集
· cora.site:两列数据，即表示两个对应节点之间，有连接关系 · cora.content：最后一列是标签，前面是特征数据
# 总结
所以，我看了这个代码之后，最直观的是学习了几个关于矩阵处理的方法么？里面的GCN卷积层似乎都没有学习到，
研究生期间学习的深度学习，机器学习，论文复现以及自己研究东西的。.zip
需积分: 5 12 浏览量
2024-04-16
20:45:44
上传
评论 1
收藏 10.46MB ZIP 举报
研究生期间学习的深度学习，机器学习，论文复现以及自己研究东西的。.zip （91个子文件） 
content Research 
__init__.py 140B GCSENet __init__.py 140B data Generate feature miRNA-gene gene_name.csv 18KB g-g.csv 26.9MB g-m.csv 849KB miRNA_name.csv 4KB m-m.csv 350KB disease-gene g-d.csv 713KB disease_name.csv 4KB gene_name.csv 18KB g-g.csv 26.9MB d-d.csv 796KB process_feature 
neg.txt 7KB output_file label.csv 2KB disease_miRNA.csv 8.77MB pos.txt 7KB Test test.TXT 6KB README.md 395B CNN_SENet label.csv 2KB disease_miRNA.csv 8.77MB ReanME.md 1KB deep_learning __init__.py 140B gcnNet utils.py 4KB __init__.py 140B data cora README 2KB cora.cites 68KB cora.content 7.46MB ReadMe.md 3KB
img.png 25KB layers.py 1KB model.py 673B train.py 3KB __pycache__ model.cpython-38.pyc 1KB utils.cpython-38.pyc 3KB layers.cpython-38.pyc 2KB __init__.cpython-38.pyc 250B cnnNet __init__.py 140B model.py 1KB train.py 1KB __pycache__ model.cpython-38.pyc 1KB __init__.cpython-38.pyc 250B __pycache__ __init__.cpython-38.pyc 243B seNet __init__.py 140B model.py 960B resNet __init__.py 140B model.py 5KB readME.md 54B LICENSE 34KB Util __init__.py 0B set_console_max.py 521B __pycache__ set_console_max.cpython-38.pyc 386B __init__.cpython-38.pyc 136B 数据可视化 1.温度数据画图.py 1KB 2.多坐标系显示图像.py 1KB .idea other.xml 233B misc.xml 192B inspectionProfiles profiles_settings.xml 174B modules.xml 282B AriousAlgrithms.iml 407B .gitignore 176B encodings.xml 200B test 自定义核函数_SVM.py 2KB test.py 1KB data_set breast-cancer-wisconsin.data 19KB breast-cancer-wisconsin.names 6KB optdigits.tes 259KB optdigits.tra 550KB Titanic_dataSets.csv 45KB 机器学习 监督学习 2回归预测 3K近邻(回归).py 909B 4回归树.py 813B 2支持向量机.py 2KB 1线性回归器.py 3KB 5集成模型.py 1KB 1分类学习 1线性分类.py 4KB 2支持向量机.py 2KB 5决策树.py 1KB 3朴素贝叶斯.py 1KB 6集成模型（分类）.py 3KB 随机游走.py 1KB 4K近邻算法.py 2KB 无监督学习 1数据聚类 1K-means算法.py 4KB 2轮廓系数评价.py 3KB 2特征降维 1主成分分析.py 4KB example readme.rst 70B 2回归预测 __init__.py 0B 4回归树.py 950B README.md 531B Common __init__.py 0B boston_data.py 838B __pycache__ boston_data.cpython-38.pyc 720B __init__.cpython-38.pyc 138B资源评论
生瓜蛋子
- 粉丝: 3828
- 资源: 5678
