GML2023 图机器学习课程项目教程
2024-10-10 20:50:30作者:魏侃纯Zoe
1. 项目介绍
GML2023 是由 Xavier Bresson 教授开发的图机器学习课程项目。该项目旨在通过一系列的课程材料和代码示例,帮助学习者掌握图机器学习的基本概念和应用。课程内容涵盖了图神经网络(GNN)的基础知识、算法实现以及实际应用案例。
2. 项目快速启动
2.1 克隆项目
首先,你需要克隆 GML2023 项目到本地:
git clone https://github.com/xbresson/GML2023.git
cd GML2023
2.2 环境配置
根据你的操作系统,选择相应的环境配置文件进行安装:
2.2.1 Linux 系统
# 安装 Miniconda
curl https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh -o miniconda.sh
bash miniconda.sh
source ~/.bashrc
# 克隆项目
git clone https://github.com/xbresson/GML2023.git
cd GML2023
# 安装 Python 库
conda env create -f environment_linux.yml
conda activate gnn_course
pip install --upgrade --force-reinstall scikit-learn==1.3.2
# 运行 Jupyter Notebook
jupyter notebook
2.2.2 macOS (Intel 芯片)
# 安装 Miniconda
curl https://repo.continuum.io/miniconda/Miniconda3-latest-MacOSX-x86_64.sh -o miniconda.sh
bash miniconda.sh
source ~/.bashrc
# 克隆项目
git clone https://github.com/xbresson/GML2023.git
cd GML2023
# 安装 Python 库
conda env create -f environment_osx_intel.yml
conda activate gnn_course
pip install --upgrade --force-reinstall scikit-learn==1.3.2
# 运行 Jupyter Notebook
jupyter notebook
2.2.3 macOS (M 芯片)
# 安装 Miniconda
curl https://repo.continuum.io/miniconda/Miniconda3-latest-MacOSX-arm64.sh -o miniconda.sh
bash miniconda.sh
source ~/.bashrc
# 克隆项目
git clone https://github.com/xbresson/GML2023.git
cd GML2023
# 安装 Python 库
conda env create -f environment_osx_arm64.yml
conda activate gnn_course
pip install --upgrade --force-reinstall scikit-learn==1.3.2
# 运行 Jupyter Notebook
jupyter notebook
2.2.4 Windows 系统
# 安装 Anaconda
https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe
# 打开 Anaconda 终端
# 安装 git
conda install git
# 克隆项目
git clone https://github.com/xbresson/GML2023.git
cd GML2023
# 安装 Python 库
conda env create -f environment_win64.yml
conda activate gnn_course
# 运行 Jupyter Notebook
jupyter notebook
3. 应用案例和最佳实践
GML2023 项目提供了多个应用案例,涵盖了图神经网络在不同领域的应用,如社交网络分析、推荐系统、生物信息学等。通过这些案例,学习者可以深入理解图机器学习的实际应用场景,并掌握如何将理论知识应用于实际问题。
4. 典型生态项目
GML2023 项目与多个开源生态项目紧密结合,如 PyTorch Geometric、DGL (Deep Graph Library) 等。这些项目为图机器学习的研究和应用提供了强大的工具支持,帮助开发者更高效地构建和训练图神经网络模型。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~062CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava05GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
54
469

deepin linux kernel
C
22
5

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
7
0

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
879
518

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
336
1.1 K

React Native鸿蒙化仓库
C++
180
264

一个高性能、可扩展、轻量、省心的仓颉Web框架。Rest, 宏路由,Json, 中间件,参数绑定与校验,文件上传下载,MCP......
Cangjie
87
14

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.09 K
0

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
359
381

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
612
60