pyGATダウンロードpyGATソースコードのダウンロード

pyGAT

パイソン

1.0.0

ダウンロード

Pytorchグラフ注意ネットワーク

これは、Veličkovićet。 AL（2017、https://arxiv.org/abs/1710.10903）。

リポジトリは、最初はhttps://github.com/tkipf/pygcnからフォークされています。 GAT（Tensorflow）の公式リポジトリは、https：//github.com/petarv-/gatで入手できます。したがって、研究でPygatモデルを活用する場合は、以下を引用してください。

 @article{
  velickovic2018graph,
  title="{Graph Attention Networks}",
  author={Veli{v{c}}kovi{'{c}}, Petar and Cucurull, Guillem and Casanova, Arantxa and Romero, Adriana and Li{`{o}}, Pietro and Bengio, Yoshua},
  journal={International Conference on Learning Representations},
  year={2018},
  url={https://openreview.net/forum?id=rJXMpikCZ},
  note={accepted as poster},
}

ブランチマスターには、論文からの実装が含まれています。 Branch sigral_impl_tensorflow公式Tensorflowリポジトリからの実装。

パフォーマンス

ブランチマスターの場合、Titan XPでのCORAタスクに関する導入学習のトレーニングには、トレーニング全体（約800エポック）でエポックあたり約0.9秒、10〜15分かかります。最終的な精度は84.2〜85.3（5つの異なる実行で得られます）です。 Branchの類似点の場合、トレーニングは1分未満で〜83.0に達します。

https://github.com/tkipf/pygcnの初期スパースマトリックス操作に関する小さなメモ：それらは削除されました。したがって、現在のモデルはグラムで〜7GBを取得します。

スパースバージョンガット

Pytorchを使用してスパースバージョンガットを開発します。 SoftMax機能のため、数値的に不安定性があります。したがって、慎重に初期化する必要があります。スパースバージョンガットを使用するには、フラグを追加します--sparse 。スパースバージョンのパフォーマンスは、Tensorflowと同様です。タイタンXPには0.08〜0.14秒かかります。