【16359】-唐宇迪 图神经网络实战
01 图神经网络基础
01图神经网络应用领域分析.mp4
02 图基本模块定义.mp4
03 邻接矩阵的定义.mp4
04 GNN中常见任务.mp4
05 消息传递计算方法.mp4
06 多层GCN的作用.mp4
02图卷积GCN模型
01 GCN基本模型概述.mp4
02 图卷积的基本计算方法.mp4
03 邻接的矩阵的变换.mp4
04 GCN变换原理解读.mp4
03图模型必备神器PyTorch Geometric安装与使用
01 PyTorch Geometric工具包安装与配置方法.mp4
02数据集与邻接矩阵格式.mp4
03 模型定义与训练方法.mp4
04文献引用数据集分类案例实战.mp4
04 使用PyTorch Geometric构建自己的图数据集
01 构建数据集基本方法.mp4
02 数据集与任务背景概述.mp4
03 数据集基本预处理.mp4
04用户行为图结构创建.mp4
05 数据集创建函数介绍.mp4
06 网络结构定义模块.mp4
07 TopkPooling进行下采样任务.mp4
08 获取全局特征.mp4
09模型训练与总结.mp4
05 图注意力机制与序列图模型
01图注意力机制的作用与方法.mp4
02邻接矩阵计算图Attention.mp4
03 序列图神经网络TGCN应用.mp4
04 序列图神经网络细节.mp4
06 图相似度论文解读
01 要完成的任务分析.mp4
02 基本方法概述解读.mp4
03图模型提取全局与局部特征.mp4
04 NTN模块的作用与效果.mp4
05 点之间的对应关系计算.mp4
06 结果输出与总结.mp4
07 图相似度计算实战
01 数据集与任务概述.mp4
02 图卷积特征提取模块.mp4
03分别计算不同Batch点的分布.mp4
04 获得直方图特征结果.mp4
05 图的全局特征构建.mp4
06 NTN图相似特征提取.mp4
07 预测得到相似度结果.mp4
08 基于图模型的轨迹估计
01数据集与标注信息解读.mp4
02 整体三大模块分析.mp4
03 特征工程的作用与效果.mp4
04传统方法与现在向量空间对比.mp4
05输入细节分析.mp4
06 子图模块构建方法.mp4
07特征融合模块分析.mp4
08 VectorNet输出层分析.mp4
09 图模型轨迹估计实战
01 数据与环境配置.mp4
02 训练数据准备.mp4
03 Agent特征提取方法.mp4
04 DataLoader构建图结构.mp4
05 SubGraph与Attention模型流程.mp4
配套资源