矩阵补全IGMC 学习笔记
目录
Inductive Graph-based Matrix Completion (IGMC) 模型
igmc推理示例:
Inductive Graph-based Matrix Completion (IGMC) 模型
原版代码:
IGMC/models.py at master · muhanzhang/IGMC · GitHub
GNN推理示例
torch_geometric版本:torch_geometric-2.5.3
原版报错,edge_type找不到,通过删除参数修正的:
import torch
import torch.nn.functional as F
from torch.nn import Linear
from torch_geometric.nn import GCNConv, global_add_pool
from torch_geometric.utils import dropout_adj
from torch_geometric.data import Data, DataLoader
class GNN(torch.nn.Module):# a base GNN class, GCN message passing + sum_poolingdef __init__(self, dataset, gconv=GCNConv, latent_dim=[32, 32, 32, 1],regression=False, adj_dropout=0.2, force_undirected=False):super(GNN, self).__init__()self.regression = regressionself.adj_dropout = adj_dropoutself.force_undirected = force_undirectedself.convs = torch.nn.ModuleList()self.convs.append(gconv(dataset.num_features, latent_dim[0]))for i in range(0, len(latent_dim)-1):self.convs.append(gconv(latent_dim[i], latent_dim[i+1]))self.lin1 = Linear(sum(latent_dim), 128)if self.regression:self.lin2 = Linear(128, 1)else:self.lin2 = Linear(128, dataset.num_classes)def reset_parameters(self):for conv in self.convs:conv.reset_parameters()self.lin1.reset_parameters()self.lin2.reset_parameters()def forward(self, data):x, edge_index, batch = data.x, data.edge_index, data.batchif self.adj_dropout > 0:edge_index, _ = dropout_adj(edge_index, p=self.adj_dropout,force_undirected=self.force_undirected, num_nodes=len(x),training=self.training)concat_states = []for conv in self.convs:x = torch.tanh(conv(x, edge_index))concat_states.append(x)concat_states = torch.cat(concat_states, 1)x = global_add_pool(concat_states, batch)x = F.relu(self.lin1(x))x = F.dropout(x, p=0.5, training=self.training)x = self.lin2(x)if self.regression:return x[:, 0]else:return F.log_softmax(x, dim=-1)def __repr__(self):return self.__class__.__name__# 创建一个简单的数据类,用于模拟数据集属性
class SimpleDataset:num_features = 2num_classes = 2# 创建一个简单的图数据集
edge_index = torch.tensor([[0, 1, 2, 3], [1, 0, 3, 2]], dtype=torch.long)
x = torch.tensor([[1, 0], [0, 1], [1, 0], [0, 1]], dtype=torch.float)
batch = torch.tensor([0, 0, 1, 1], dtype=torch.long)# 使用 Data 类构建图数据
data = Data(x=x, edge_index=edge_index, batch=batch)# 构建 DataLoader
loader = DataLoader([data], batch_size=2, shuffle=False)dataset = SimpleDataset()# 实例化模型
model = GNN(dataset)# 模型推理
model.eval()
for data in loader:out = model(data)print(out)
igmc推理示例:
import torch.nn as nn
import torch.nn.functional as F
from torch.nn import Linear, Conv1d
from torch_geometric.nn import GCNConv, RGCNConv, global_sort_pool, global_add_pool
from torch_geometric.utils import dropout_adj
from util_functions import *
import pdb
import time
from torch_geometric.data import Data, DataLoader
class GNN(torch.nn.Module):# a base GNN class, GCN message passing + sum_poolingdef __init__(self, dataset, gconv=GCNConv, latent_dim=[32, 32, 32, 1],regression=False, adj_dropout=0.2, force_undirected=False):super(GNN, self).__init__()self.regression = regressionself.adj_dropout = adj_dropoutself.force_undirected = force_undirectedself.convs = torch.nn.ModuleList()self.convs.append(gconv(dataset.num_features, latent_dim[0]))for i in range(0, len(latent_dim)-1):self.convs.append(gconv(latent_dim[i], latent_dim[i+1]))self.lin1 = Linear(sum(latent_dim), 128)if self.regression:self.lin2 = Linear(128, 1)else:self.lin2 = Linear(128, dataset.num_classes)def reset_parameters(self):for conv in self.convs:conv.reset_parameters()self.lin1.reset_parameters()self.lin2.reset_parameters()def forward(self, data):x, edge_index, batch = data.x, data.edge_index, data.batchif self.adj_dropout > 0:# edge_index, edge_type = dropout_adj(# edge_index, edge_type, p=self.adj_dropout,# force_undirected=self.force_undirected, num_nodes=len(x),# training=self.training# )edge_index, edge_type = dropout_adj(edge_index, p=self.adj_dropout, force_undirected=self.force_undirected, num_nodes=len(x), training=self.training)concat_states = []for conv in self.convs:x = torch.tanh(conv(x, edge_index))concat_states.append(x)concat_states = torch.cat(concat_states, 1)x = global_add_pool(concat_states, batch)x = F.relu(self.lin1(x))x = F.dropout(x, p=0.5, training=self.training)x = self.lin2(x)if self.regression:return x[:, 0]else:return F.log_softmax(x, dim=-1)def __repr__(self):return self.__class__.__name__
class IGMC(GNN):# The GNN model of Inductive Graph-based Matrix Completion.# Use RGCN convolution + center-nodes readout.def __init__(self, dataset, gconv=RGCNConv, latent_dim=[32, 32, 32, 32],num_relations=5, num_bases=2, regression=False, adj_dropout=0.2,force_undirected=False, side_features=False, n_side_features=0,multiply_by=1):super(IGMC, self).__init__(dataset, GCNConv, latent_dim, regression, adj_dropout, force_undirected)self.multiply_by = multiply_byself.convs = torch.nn.ModuleList()self.convs.append(gconv(dataset.num_features, latent_dim[0], num_relations, num_bases))for i in range(0, len(latent_dim)-1):self.convs.append(gconv(latent_dim[i], latent_dim[i+1], num_relations, num_bases))self.lin1 = Linear(2*sum(latent_dim), 128)self.side_features = side_featuresif side_features:self.lin1 = Linear(2*sum(latent_dim)+n_side_features, 128)def forward(self, data):start = time.time()x, edge_index, edge_type, batch = data.x, data.edge_index, data.edge_type, data.batchif self.adj_dropout > 0:edge_index, edge_type = dropout_adj(edge_index, edge_type, p=self.adj_dropout,force_undirected=self.force_undirected, num_nodes=len(x),training=self.training)concat_states = []for conv in self.convs:x = torch.tanh(conv(x, edge_index, edge_type))concat_states.append(x)concat_states = torch.cat(concat_states, 1)users = data.x[:, 0] == 1items = data.x[:, 1] == 1x = torch.cat([concat_states[users], concat_states[items]], 1)if self.side_features:x = torch.cat([x, data.u_feature, data.v_feature], 1)x = F.relu(self.lin1(x))x = F.dropout(x, p=0.5, training=self.training)x = self.lin2(x)if self.regression:return x[:, 0] * self.multiply_byelse:return F.log_softmax(x, dim=-1)class SimpleDataset:num_features = 2num_classes = 2# 创建一个简单的图数据集
edge_index = torch.tensor([[0, 1, 2, 3], [1, 0, 3, 2]], dtype=torch.long)
edge_type = torch.tensor([0, 1, 2, 3], dtype=torch.long)
x = torch.tensor([[1, 0], [0, 1], [1, 0], [0, 1]], dtype=torch.float)
batch = torch.tensor([0, 0, 1, 1], dtype=torch.long)# 使用 Data 类构建图数据
data = Data(x=x, edge_index=edge_index,edge_type=edge_type, batch=batch)# 构建 DataLoader
loader = DataLoader([data], batch_size=2, shuffle=False)dataset = SimpleDataset()# 实例化模型
model = IGMC(dataset)# 模型推理
model.eval()
for data in loader:out = model(data)print(out)
相关文章:
矩阵补全IGMC 学习笔记
目录 Inductive Graph-based Matrix Completion (IGMC) 模型 igmc推理示例: Inductive Graph-based Matrix Completion (IGMC) 模型 原版代码: IGMC/models.py at master muhanzhang/IGMC GitHub GNN推理示例 torch_geometric版本:tor…...
面试题之CSS
1. 引入样式的方式 外部样式 link import 区别 内部样式 /* 写在头部标签 */ <style></style>行内样式 2. 三行代码画三角形 .triangle{width:0px;border:100px solid;border-color:transparent transparent transparent red; }3.属性的继承 可继承的属性 …...
MFC扩展库BCGControlBar Pro v35.0新版亮点:重新设计的工具栏编辑器等
BCGControlBar库拥有500多个经过全面设计、测试和充分记录的MFC扩展类。 我们的组件可以轻松地集成到您的应用程序中,并为您节省数百个开发和调试时间。 BCGControlBar专业版 v35.0已全新发布了,这个版本改进类Visual Studio 2022的视觉主题、增强对多个…...
python调用SDK的问题
问题:Could not find module MvCameraControl.dll 原因:识别环境变量runtime异常 解决:指定具体绝对地址即可。MvCameraControl.dll的位置C:\Program Files (x86)\Common Files\MVS\Runtime\Win64_x64 MvCamCtrldll WinDLL("MvCamer…...
html入门综合练习
综合练习 通过实际项目练习可以更好地理解和掌握HTML、CSS和JavaScript。以下是几个综合练习项目的建议: 项目1:个人简历网页 创建一个包含以下内容的个人简历网页: 个人简介(姓名、照片、联系方式)教育背景工作经…...
函数模板的具体化
函数模板优点是通用性,可以解决某个方面的普遍性问题,但是这个世界上的事情不是绝对的,有普遍的,就有绝对的。举个栗子: #include <iostream> using namespace std; template <typename T> void Swap(T &…...
【Linux 内存管理】
文章目录 1. 为什么要有虚拟内存呢?🔍 1. 为什么要有虚拟内存呢?🔍...
AJAX 数据库
AJAX 数据库 1. 引言 AJAX(Asynchronous JavaScript and XML)是一种流行的网络开发技术,它允许网页在不重新加载整个页面的情况下与服务器交换数据和更新部分网页内容。AJAX技术与数据库的结合,为现代网络应用提供了更加丰富和动态的用户体验。本文将探讨AJAX如何与数据库…...
力扣719.找出第K小的数对距离
力扣719.找出第K小的数对距离 二分答案 朴素版 双指针遍历数组 超过界限break auto check [&](int mid) -> bool{int res0;for(int i0;i<n-1;i)for(int ji1;j<n;j){if(nums[j] - nums[i] > mid) break;elseif(res > k) return true;}return false;};优…...
富格林:掌握可信出金交易策略
富格林认为,黄金市场是起起落落,似乎机遇无处不在,但很少有人能真正抓住机遇。黄金可以做多也可以做空,做空主要是为了从黄金价格波动的价差中获利。只有采用正规可信的操作技巧,才能实现顺利获利出金,减少…...
HCS-华为云Stack-容器网络
HCS-华为云Stack-容器网络 容器隧道overlay VPC网络...
【CSS in Depth2精译】1.1 层叠
CSS 本质上就是声明规则,并让这些特定的规则在各种情况下生效。一个类添加到某个元素上,则应用这个类包含的这一些样式;元素 X 是元素 Y 的一个子节点,则应用另一些样式。浏览器于是根据这些规则,判定所有样式生效的具…...
【读博日记】拓扑结构(待修正)
Topology 拓扑学 内容来源于互联网,还在甄别中——20240617 拓扑结构指把实体抽象成与其形状大小无关的点,把连接实体的线路抽象成线,再研究这些电线之间的关系。 所谓相似的拓扑结构: 例如一个圆环变成正方形、长方形、三角形…...
QT 中setVisible()和setEnabled()的区别
setVisible(bool)和setEnabled(true)在PyQt(以及其他类似的图形用户界面框架)中分别用于控制控件的可见性和可用性,它们之间的主要区别如下: setVisible(bool) 功能:这个函数用于设置QWidget控件的可见状态。参数&am…...
【YashanDB知识库】PHP使用ODBC使用数据库绑定参数功能异常
【问题分类】驱动使用 【关键字】ODBC、驱动使用、PHP 【问题描述】 PHP使用PDO_ODBC连接yashan数据库,使用绑定参数获取数据时,客户现场出现报错 本地复现未出现异常报错,但是无法正确获取数据。 【问题原因分析】开启ODBC报错日志后&am…...
初级篇-Docker容器知识
Docker容器 容器主要是解决跨平台、跨服务运行环境的问题 容器将运行业务应用所需要的东西进行打包,包括依赖项、配置、脚本、二进制文件等。在容器中运行镜像,不用担心不同环境下运行不一致的问题。 容器本质上是一个特殊的进程,将资源、…...
【抽代复习笔记】19-群(十三):奇偶置换、循环置换的几个定理及例题
定义: ①在Sn中,能够表示为奇数多个对换乘积的置换称为“奇置换”,能够表示为偶数多个对换乘积的置换称为“偶置换”; ②所有偶置换的集合记为An。 例1:(1)计算S1和S2中奇、偶置换的数目&…...
RT-Thread简介及启动流程分析
阅读引言: 最近在学习RT-Thread的内部机制,觉得这个启动流程和一些底层原理还是挺重要的, 所以写下此文。 目录 1, RT-Thread简介 2,RT-Thread任务的几种状态 3, 学习资源推荐 4, 启动流程分…...
MCU嵌入式AI开发笔记-视频笔记同步更新
MCU嵌入式AI开发笔记 抖音B站等站点笔记视频同步更新 01嵌入式AI大的方向 STM32跑神经网络 http://news.eeworld.com.cn/mp/EEWorld/a134877.jspx 为什么可以在STM32上面跑神经网络?简而言之就是使用STM32CubeMX中的X-Cube-AI扩展包将当前比较热门的AI框架进行C代码的转化,…...
DoIP——step2:车辆发现
文章目录 前言一、IP地址配置1.1 AutoIP1.2 DHCP1.3 DoIP实体的IP地址配置流程二、车辆发现车辆声明报文内容如下:前言 完成诊断设备到车辆的物理连接并通过激活线使能诊断连接后边缘节点将会将连接状态传递至应用层,在开始车辆发现过程之前,需要先进行各自的IP地址配置,获…...
【动态规划】0-1背包问题
【动态规划】0-1背包问题 题目:现在有四个物品,背包总容量为8,背包最多能装入价值为多少的物品? 我的图解 表格a【i】【j】表示的是容量为j的背包装入前i个物品的最大价值。 拿a【1】【1】来说,它的值就是背包容量为1,只考虑…...
WordPress 高级缓存插件 W3 Total Cache Pro 详细配置教程
说起来有关 WordPress 缓存插件明月已经发表过不少文章了,但有关 W3 Total Cache Pro 这个 WordPress 高级缓存插件除了早期【网站缓存插件 W3 Total Cache,适合自己的才是最好的!】一文后就很少再提及了,最近因为明月另一个网站【玉满斋】因为某些性能上的需要准备更换缓存…...
每日一题——Python实现PAT乙级1012 数字分类(举一反三+思想解读+逐步优化)五千字好文
一个认为一切根源都是“自己不够强”的INTJ 个人主页:用哲学编程-CSDN博客专栏:每日一题——举一反三Python编程学习Python内置函数 Python-3.12.0文档解读 目录 我的写法 代码优点 代码缺点 时间复杂度 空间复杂度 代码改进建议 我要更强 哲…...
Unity2D游戏制作入门 | 13 ( 之人物三段攻击 )
上期链接:Unity2D游戏制作入门 | 12(之人物受伤和死亡的逻辑动画)-CSDN博客 上期我们聊了人物的受伤和死亡的逻辑和动画,我们主要学习了事件的执行,即我们在人物受伤时可能会触发很多的事件,比如触发人物受伤的动画以及播放音乐等…...
DAY04 HTMLCSS
文章目录 一 表单(1) 数字控件(2) 颜色控件(3) 日期控件(4) 月份控件(5) 星期控件(6) 搜索控件(7) 范围控件 二 浮动框架三 结构化标签四 CSS1 CSS概述2 CSS的编写位置1. inline style 行内样式2. inner style 内部样式3. outer style 外部样式4. 小结 3 CSS选择器1. 通用选择器…...
Linux_理解程序地址空间和页表
目录 1、进程地址空间示意图 2、验证进程地址空间的结构 3、验证进程地址空间是虚拟地址 4、页表-虚拟地址与物理地址 5、什么是进程地址空间 6、进程地址空间和页表的存在意义 6.1 原因一(效率性) 6.2 原因二(安全性) …...
NAND闪存市场彻底复苏
在全球内存市场逐渐走出阴霾、迎来复苏曙光之际,日本存储巨头铠侠(Kioxia)凭借敏锐的市场洞察力和及时的战略调整,成功实现了从生产紧缩到全面复苏的华丽转身。这一转变不仅彰显了企业在逆境中的生存智慧,也为全球半导…...
过拟合与正则化
Location Beijing 过拟合 对于一个模型 A A A,解向量空间为 θ \theta θ,误差函数用式1表示 J ( θ ) J a c c [ y θ ( x ) − y ] 2 (1) J(\theta)J_{acc}[y_\theta(x)-y]^2\tag{1} J(θ)Jacc[yθ(x)−y]2(1) 首先我们考虑用模型 A A A拟合下…...
VMware挂载NAS存储异常处理
问题概述 由于非法关机或恢复,NFS存储可能会出现以下问题: 数据存储处于挂起状态或无法正常识别。虚拟机的配置文件或虚拟磁盘仍然注册在异常数据存储上。系统误认为有虚拟机在使用该数据存储。 问题对策 下面是详细的排查步骤和解决对策:…...
微信小程序怎么做购物网站/上海做网络口碑优化的公司
Android文本输入框(EditText)输入密码时显示与隐藏代码很简单,这里就不多废话了。http://developer.android.com/reference/android/text/method/HideReturnsTransformationMethod.html* 2 http://developer.android.com/reference/android/text/method/PasswordTra…...
临朐网站制作/企业如何做网络推广
作者:王勐链接:https://www.zhihu.com/question/23995189/answer/35429905来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。动态规划的本质不在于是递推或是递归,也不需要纠结是不是内存…...
网站快速搜索/网站搜索引擎优化主要方法
http://blog.csdn.net/yangyk125/article/details/29216149 多媒体编程——摄像头录像预览 1、 新建MFC工程,选择对话框工程。 2、新建一个static控件。 3、修改ID,并且在OnInitDialog里面获取指针。 4、加一个成员函数,并且在OnInitDialog…...
保险公司网站建设方案/seo点击排名
session会话保存会话的两种技术Session详解会话 会话:一个用户打开浏览器,浏览多个web页面之后,关闭浏览器。这个过程可以称之为会话。 有状态会话:用户浏览一个网站之后,下次再浏览时,这个网站知道他曾经…...
手动修改目录wordpress/淘宝网站的推广与优化
1.问题背景 opencv 官方手册 文档 练习题 使用轨迹栏创建颜色和画笔半径可调的Paint应用程序。有关绘制的信息,请参阅有关鼠标处 理的先前教程。 2.代码部分 另外一个官方demo留下的作业,代码难以精美,请理解。 import numpy as np impor…...
免费的ai素材网站/企业推广策划公司
这是一个纯粹利用CSS所做出来的效果,这个效果说穿了就是一个图像处理的原理,做法跟Photoshop里头的几乎一模一样,只是一个用图层和色版来制作,一个则是用CSS(把div当成图层思考就好了)。从PhotoShop开始一开始我们来玩Photoshop&a…...