基于David Duvenaud等人的论文“基于图形的卷积网络学习分子指纹”(https://arxiv.org/abs/1509.09292)实现了GCN ,该论文是GCN的先驱,,原始论文是在一个名为Autograd的小型图书馆中开发的,很难按原样进行修改,因此当我检查其他各种开源实现代码时有一条备忘录
return sum(all_layer_fps), atom_activations, array_rep
添加了每层的输出,但是此实现仅使用最后一层的输出。return sum(all_layer_fps), atom_activations, array_rep
一个地方可以添加每一层的输出,但是在此实现中,每一层的输出都是Concatinate。return sum(all_layer_fps), atom_activations, array_rep
将每一层的输出相加,但是此实现仅使用最后一层的输出。原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。