欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

GNN图网络 之 生成模型(graph generative networks)---GRAPH-TO-GRAPH(JTNN-junction tree)

程序员文章站 2024-03-21 16:19:10
...

最近开始看图网络相关的论文。(日常流水账记录)

深度学习火了这么多年,感觉已经是一片红海。但是从深度学习这一成功例子中衍生出来的GNN网络目前为止还算是一篇蓝海。仅仅是从CNN中照搬过去的pooling,attention,rnn,VAE,GAN等等概念,都已经发了很多篇顶会,而且日期基本上围绕在18年左右。因此这一领域确实大有可为。

根据老师的安排,我开始看GNN里面跟生成模型相关的论文,去谷歌搜索了一番,下载了不少论文,日期多在18-19年间。

目前的打算是先专注于molecule也就是化学生物方向,很多关于化学分子式生成的论文。暂时选定了一篇论文进行学习和研究,ICLR 2019的论文:LEARNING MULTIMODAL GRAPH-TO-GRAPH TRANSLATION FOR MOLECULAR OPTIMIZATION。源码在github上面也有:https://github.com/wengong-jin/iclr19-graph2graph。

下载完后开始搭建程序环境。我本身有点不太习惯linux系统,就在win10上通过anaconda进行安装,基于python2.7安装pytorch0.4.1,但是我发现无法找到对应版本,经过n次搜索,终于知道,原来win系统对于pytorch的支持只基于python3.5和3.6,并不支持2.7.很显然,论文作者应该是在linux或者mac上面运行的。

但是python2和python3的代码差距也没那么大,我综合考虑安装虚拟机或换系统的诸多情况,跟转换python代码之间,我选择自己把作者的代码转写成python3的。

首先搭建环境:进入Anaconda Prompt:

conda create --name pytorch python=3.6

然后进入环境,安装pytorch

conda activate pytorch
pip install https://download.pytorch.org/whl/cpu/torch-0.4.1-cp36-cp36m-win_amd64.whl
pip install torchvision

通过import torch和import torchvision测试的时候发现,报-----多维度下无法-----,发现是torchvision版本问题,

pip uninstall torchvision
pip install torchvision==0.2.0

最后测试成功,流水账写完了(开始看代码)

相关标签: GNN 图生成模型