本文介绍: 注意，在实际的边的实现方式中，并不是以邻接矩阵来进行实现的，这是因为在图的更新中，用邻接矩阵进行更新所占用的时间开销相对大，二是因为领接矩阵占用的空间大（N方）。所以在实际实现中会采用2XN的存储结构，从而避免多余的存储开销。
5.消息传递的计算方法
边的存放方式
注意，在实际的边的实现方式中，并不是以邻接矩阵来进行实现的，这是因为在图的更新中，用邻接矩阵进行更新所占用的时间开销相对大，二是因为领接矩阵占用的空间大（N方）。
所以在实际实现中会采用2XN的存储结构，从而避免多余的存储开销。
节点更新
在图神经网络中，某个节点的更新，不应该只关心自身的变化，还应该关心相邻节点与本节点的关系。
6.多层GNN的作用
首先，多层GNN并不会破坏图的结构（拓扑关系/邻接结构）。
而多层GNN能使得本点上的特征信息，不断进行迭代（就好像计算机网络中rip，不断交换路由信息，来得到更远处的路由信息，从而最后收敛）
GCN是Graph Convolutional Network图卷积神经网络的缩写。
原文地址:https://blog.csdn.net/Fangyechy/article/details/135434359
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.7code.cn/show_52816.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
