问题描述
我正在使用 Pytorch-Geometric 库为回归问题实现图神经网络。模型定义为:
import torch
from torch.nn.parameter import Parameter
import torch.optim as optim
import torch.nn.functional as F
import torch.nn as nn
from torch_geometric.nn import GCNConv
class Model(nn.Module):
def __init__(self,nin=1,nhid1=128,nout=128,hid_l=64,out_l=1):
super(Model,self).__init__()
self.gc1 = GCNConv(in_channels= nin,out_channels= nhid1)
self.gc2 = GCNConv(in_channels= nhid1,out_channels= nout)
self.lay1 = nn.Linear(nout,hid_l)
self.l0 = nn.Linear(hid_l,hid_l)
self.l1 = nn.Linear(hid_l,hid_l)
self.lay2 = nn.Linear(hid_l,out_l)
self.active = nn.LeakyReLU(0.1)
with torch.no_grad():
self.gc1.weight = Parameter(nn.init.uniform_(torch.empty(nin,nhid1),a=0.0,b=1.0))
self.gc1.bias = Parameter(nn.init.uniform_(torch.empty(nhid1),b=1.0))
self.gc2.weight = Parameter(nn.init.uniform_(torch.empty(nhid1,nout),b=1.0))
self.gc2.bias = Parameter(nn.init.uniform_(torch.empty(nout),b=1.0))
self.lay1.weight = Parameter(nn.init.uniform_(torch.empty(hid_l,nout ),b=1.0))
self.l0.weight = Parameter(nn.init.uniform_(torch.empty(hid_l,hid_l),b=1.0))
self.l1.weight = Parameter(nn.init.uniform_(torch.empty(hid_l,b=1.0))
self.lay2.weight = Parameter(nn.init.uniform_(torch.empty(out_l,b=1.0))
def forward(self,features,edge_list):
x = self.active(self.gc1(features,edge_list))
x = self.active(self.gc2(x,edge_list))
x = self.active(self.lay1(x))
x = self.active(self.l0(x))
x = self.active(self.l1(x))
x = self.active(self.lay2(x))
return x
其中 features 是维度 [n X 1] 的特征矩阵,edge_list 是 Pytorch-Geometric 中使用的边缘索引。即使使用批量梯度下降仅训练 40 个 epoch,梯度似乎也有非常陡峭的下降。我正在训练具有大约 1K 个节点和 ~3K 个边的无标度图。我该怎么做才能获得更好的梯度值?
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)