DGL : Deep Graph Library pytorch와 tensorflow에서 자주 사용하는 클래스, 함수들을 모아서 사용하기 쉽게 구성된 라이브러리 라고 쉽게 생각하시면 될 것 같습니다!

ndata : node data(= node feature) | g.ndata : dictionary type edata : edge data(= edge feature) | g.edata : dictionary type src, dst 는 edge를 표현할 때 시작점 -> 도착점이므로 scrdata : 시작점 dstdata : 도착점 예를 들어 인스타그램 팔로우 그래프를 만든다고 가정해봅시다. 아래 예시는 사용자는 총 6명이고, 각각의 팔로우 여부를 의미합니다. (*참고로 dgl에서 노드는 0번부터 연속적으로 생성이 됩니다. 중간에 비어있는 id도 노드가 생성이 됩니다.) >>> src_ids = torch.tensor([0, 2, 3, 2, 1]) >>> dst_ids = torch.tensor([2..

Heterogeneous graphs 이란 ? https://velog.io/@thecho7/Graph-Neural-Network-3

참고 사이트 : A Gentle Introduction to Graph Neural Networks (distill.pub) A Gentle Introduction to Graph Neural Networks What components are needed for building learning algorithms that leverage the structure and properties of graphs? distill.pub 번역, 재해석 및 정리 We are starting to see practical applications in areas such as antibacterial discovery , physics simulations , fake news detection, traffic pr..

Index What is GNN? (brief) What can we do with GNN About Graph About GNN (Types of GNN) What is GNN? (brief) GNN ( Graph Neural network ) 이란 ? - 그래프에 직접 적용할 수 있는 신경망으로 그래프 데이터를 직접 분석할 수 있다. - 핵심은 점이 이웃과의 연결에 의해서 정의된다는 것이다. What can we do with GNN Node Classification Link Prediction Graph Classification Node Classification Node embedding을 통해 점들을 분류하는 문제다. 일반적으로 그래프의 일부만 레이블 된 상황에서 semi-supervised..