CS224W : Apprentissage automatique avec des graphes | 2021 | Leçon 19.3-L’espace de conception des réseaux de neurones de graphes

Dans la conférence précédente de Jure Leskovec, PhD en informatique, nous avons discuté des sujets importants de la conception d’architecture GNN. Ici, nous introduisons trois aspects clés de la conception GNN : (1) l’espace de conception GNN général, y compris la conception intra-couche, la conception inter-couche et la configuration d’apprentissage ; (2) l’espace de tâche GNN avec des mesures de similarité afin que nous puissions caractériser différents (3 ) Une technique d’évaluation GNN efficace afin que nous puissions évaluer de manière convaincante tout problème de conception GNN, tel que “Est-ce que BatchNorm est généralement utile pour GNN ?”. En résumé, nous avons mené la première enquête systématique sur les directives générales pour la conception GNN, la compréhension des tâches GNN et la manière de migrer la meilleure conception GNN entre les tâches. Nous avons publié GraphGym en tant que plate-forme de code facile à utiliser conçue pour l’architecture GNN. Plus d’informations peuvent être trouvées dans l’article : Graph Neural Network Design Space : Pour en savoir plus sur le programme et le programme des cours, veuillez visiter : Pour obtenir les dernières nouvelles sur les prochains cours professionnels d’IA de l’Université de Stanford, veuillez visiter : cours offerts par l’Université de Stanford, veuillez visiter :.