1、 基线程序跑了一下,基本能够到0.68左右的精度,有人能够用基线跑出前三的成绩,挺挺佩服他的调参能力
2、 GCN和GAT两个模型都试了一下,结果差不多,都会出现梯度消失的问题
3、 修改GAT网络模型,引入残差网络,可以很好解决梯度消失问题
4、 不用每次训练都从头开始,这样太耗时,可以将exe.run(startup_program)代码注释掉,这样就可以在之前的结果后面继续训练
5、 调好的程序有时候会报错,主要是GPU内存不够的原因,可以重启代码执行器或者重启NOTOBOOK解决
6、 PGL功能很强大,作为开发者来说不必重新造轮子,大大方便了图神经网络的应用开发 。感谢百度开发团队的开源精神,奉上PGL在GITHUB上的地址
https://github.com/PaddlePaddle/PGL ,喜欢的话就为其点个STAR吧
收藏
点赞
0
个赞
请登录后评论
TOP
切换版块