使用Keras和Tensorflow 2构建图神经网络

【实例简介】
Spektral是一个Python图深度学习库，基于Keras API和TensorFlow 2。该项目的主要目标是提供一个简单而灵活的框架，用于创建图神经网络（GNNs）。您可以使用Spektral对社交网络用户进行分类，预测分子属性，使用GANs生成新的图形，对节点进行聚类，预测链接，以及任何其他数据由图形描述的任务。Spektral实现了一些最流行的图深度学习层，包括：图卷积网络（GCN）、切比雪夫卷积、GraphSAGE、ARMA卷积、Edge-Conditioned Convolutions（ECC）、图注意力网络（GAT）、Approximated Personalized Propagation of Neural Predictions（APPNP）、Graph Isomorphism Networks（GIN）、Diffusional Convolutions等等。您还可以找到池化层，包括：MinCut pooling、DiffPool、Top-K pooling、Self-Attention Graph（SAG）pooling、全局池化、全局门控注意力池化、SortPool。Spektral还包括许多用于表示、操作和转换图的实用工具，可用于图深度学习项目。
【实例截图】
【核心代码】
文件清单
└── spektral-a5fa5e38fca4eaca1e47ccfe1b00e0a61f64648b
    ├── CONTRIBUTING.md
    ├── docs
    │   ├── autogen.py
    │   ├── build.sh
    │   ├── CNAME
    │   ├── img
    │   │   ├── batch_mode.svg
    │   │   ├── disjoint_mode.svg
    │   │   ├── favicon.ico
    │   │   ├── ghost_dark.svg
    │   │   ├── ghost_light.svg
    │   │   ├── logo_dark.svg
    │   │   ├── logo_dark_vertical.svg
    │   │   ├── logo_light_shadow.svg
    │   │   ├── logo_light.svg
    │   │   ├── logo_light_vertical.svg
    │   │   ├── mixed_mode.svg
    │   │   └── single_mode.svg
    │   ├── js
    │   │   └── macros.js
    │   ├── local_build.sh
    │   ├── mkdocs.yml
    │   ├── stylesheets
    │   │   └── extra.css
    │   └── templates
    │       ├── about.md
    │       ├── brave-rewards-verification.txt
    │       ├── creating-dataset.md
    │       ├── creating-layer.md
    │       ├── data.md
    │       ├── data-modes.md
    │       ├── datasets.md
    │       ├── examples.md
    │       ├── external.md
    │       ├── getting-started.md
    │       ├── google8a76765aa72fa8c1.html
    │       ├── index.md
    │       ├── layers
    │       │   ├── base.md
    │       │   ├── convolution.md
    │       │   └── pooling.md
    │       ├── loaders.md
    │       ├── models.md
    │       ├── transforms.md
    │       └── utils
    │           ├── convolution.md
    │           ├── misc.md
    │           └── sparse.md
    ├── examples
    │   ├── graph_prediction
    │   │   ├── custom_dataset.py
    │   │   ├── general_gnn.py
    │   │   ├── ogbg-mol-hiv_ecc.py
    │   │   ├── qm9_ecc_batch.py
    │   │   ├── qm9_ecc.py
    │   │   ├── tud_gin.py
    │   │   └── tud_mincut.py
    │   ├── node_prediction
    │   │   ├── citation_arma.py
    │   │   ├── citation_cheby.py
    │   │   ├── citation_gat_custom.py
    │   │   ├── citation_gat.py
    │   │   ├── citation_gcn_custom.py
    │   │   ├── citation_gcn.py
    │   │   ├── citation_simple_gc.py
    │   │   └── ogbn-arxiv_gcn.py
    │   └── other
    │       ├── explain_graph_predictions.py
    │       ├── explain_node_predictions.py
    │       ├── graph_signal_classification_mnist.py
    │       ├── node_clustering_mincut.py
    │       └── node_clustering_tvgnn.py
    ├── LICENSE
    ├── pyproject.toml
    ├── README.md
    ├── setup.py
    ├── spektral
    │   ├── data
    │   │   ├── dataset.py
    │   │   ├── graph.py
    │   │   ├── __init__.py
    │   │   ├── loaders.py
    │   │   └── utils.py
    │   ├── datasets
    │   │   ├── citation.py
    │   │   ├── dblp.py
    │   │   ├── flickr.py
    │   │   ├── graphsage.py
    │   │   ├── __init__.py
    │   │   ├── mnist.py
    │   │   ├── modelnet.py
    │   │   ├── ogb.py
    │   │   ├── qm7.py
    │   │   ├── qm9.py
    │   │   ├── tudataset.py
    │   │   └── utils.py
    │   ├── __init__.py
    │   ├── layers
    │   │   ├── base.py
    │   │   ├── convolutional
    │   │   │   ├── agnn_conv.py
    │   │   │   ├── appnp_conv.py
    │   │   │   ├── arma_conv.py
    │   │   │   ├── censnet_conv.py
    │   │   │   ├── cheb_conv.py
    │   │   │   ├── conv.py
    │   │   │   ├── crystal_conv.py
    │   │   │   ├── diffusion_conv.py
    │   │   │   ├── ecc_conv.py
    │   │   │   ├── edge_conv.py
    │   │   │   ├── gat_conv.py
    │   │   │   ├── gated_graph_conv.py
    │   │   │   ├── gcn_conv.py
    │   │   │   ├── gcs_conv.py
    │   │   │   ├── general_conv.py
    │   │   │   ├── gin_conv.py
    │   │   │   ├── graphsage_conv.py
    │   │   │   ├── gtv_conv.py
    │   │   │   ├── __init__.py
    │   │   │   ├── message_passing.py
    │   │   │   ├── tag_conv.py
    │   │   │   └── xenet_conv.py
    │   │   ├── __init__.py
    │   │   ├── ops
    │   │   │   ├── graph.py
    │   │   │   ├── __init__.py
    │   │   │   ├── matmul.py
    │   │   │   ├── modes.py
    │   │   │   ├── ops.py
    │   │   │   ├── scatter.py
    │   │   │   └── sparse.py
    │   │   └── pooling
    │   │       ├── asym_cheeger_cut_pool.py
    │   │       ├── diff_pool.py
    │   │       ├── dmon_pool.py
    │   │       ├── global_pool.py
    │   │       ├── __init__.py
    │   │       ├── just_balance_pool.py
    │   │       ├── la_pool.py
    │   │       ├── mincut_pool.py
    │   │       ├── sag_pool.py
    │   │       ├── src.py
    │   │       └── topk_pool.py
    │   ├── models
    │   │   ├── gcn.py
    │   │   ├── general_gnn.py
    │   │   ├── gnn_explainer.py
    │   │   └── __init__.py
    │   ├── transforms
    │   │   ├── adj_to_sp_tensor.py
    │   │   ├── clustering_coefficient.py
    │   │   ├── constant.py
    │   │   ├── degree.py
    │   │   ├── delaunay.py
    │   │   ├── gcn_filter.py
    │   │   ├── __init__.py
    │   │   ├── laplacian_pe.py
    │   │   ├── layer_preprocess.py
    │   │   ├── normalize_adj.py
    │   │   ├── normalize_one.py
    │   │   ├── normalize_sphere.py
    │   │   └── one_hot.py
    │   └── utils
    │       ├── convolution.py
    │       ├── __init__.py
    │       ├── io.py
    │       ├── keras.py
    │       ├── logging.py
    │       ├── misc.py
    │       └── sparse.py
    └── tests
        ├── __init__.py
        ├── test_data
        │   ├── test_dataset.py
        │   ├── test_graph.py
        │   ├── test_loaders.py
        │   └── test_utils.py
        ├── test_datasets.py
        ├── test_layers
        │   ├── convolutional
        │   │   ├── core.py
        │   │   ├── test_agnn_conv.py
        │   │   ├── test_appnp_conv.py
        │   │   ├── test_arma_conv.py
        │   │   ├── test_censnet_conv.py
        │   │   ├── test_cheb_conv.py
        │   │   ├── test_crystal_conv.py
        │   │   ├── test_diffusion_conv.py
        │   │   ├── test_ecc_conv.py
        │   │   ├── test_edge_conv.py
        │   │   ├── test_gat_conv.py
        │   │   ├── test_gated_graph_conv.py
        │   │   ├── test_gcn_conv.py
        │   │   ├── test_gcs_conv.py
        │   │   ├── test_general_conv.py
        │   │   ├── test_gin_conv_batch.py
        │   │   ├── test_gin_conv.py
        │   │   ├── test_graphsage_conv.py
        │   │   ├── test_gtv_conv.py
        │   │   ├── test_message_passing.py
        │   │   ├── test_tag_conv.py
        │   │   └── test_xenet_conv.py
        │   ├── __init__.py
        │   ├── pooling
        │   │   ├── core.py
        │   │   ├── test_asym_cheeger_cut_pool.py
        │   │   ├── test_diff_pool.py
        │   │   ├── test_dmon_pool.py
        │   │   ├── test_global_pooling.py
        │   │   ├── test_just_balance_pool.py
        │   │   ├── test_la_pool.py
        │   │   ├── test_mincut_pool.py
        │   │   ├── test_sag_pool.py
        │   │   └── test_topk_pool.py
        │   ├── test_base.py
        │   └── test_ops.py
        ├── test_models
        │   ├── core.py
        │   ├── test_gcn.py
        │   └── test_general_gnn.py
        ├── test_transforms
        │   └── test_transforms.py
        └── test_utils
            ├── test_convolution.py
            ├── test_logging.py
            └── test_misc.py

30 directories, 197 files