4本图神经网络中文书籍的比较 | 您所在的位置:网站首页 › 城堡pdf百度云 › 4本图神经网络中文书籍的比较 |
《深入浅出图神经网络》、《图神经网络基础于前沿》、《图神经网络导论》和《图深度学习》的比较
前面挖的坑,要写这三本书的比较,这里来填坑了。在编写期间突然发现密歇根州立的马博士和汤老师的书《图深度学习》中文版也出来了,赶紧入手一本,然后参与进来,这样就变成4本书的比较了。方便起见,给四本书来个简称:《深浅》、《基础》、《导论》和《图DL》。先上图片来个大小比较,给大家一点直观感受。 下面主要分析一下这4本书的对于读者的阅读建议。 对于大学的本科生,特别是低年级的学生,建议先把基础课学好,特别是高数/线代、概率论,有条件的学习一下机器学习和深度学习的基础课。这4本书里面,都单独辟出了几个章节来简单的介绍了相关基础内容,《深浅》的2-4章,《导论》的第2、3章和《图DL》的第3章,其中《图DL》给的介绍更全面一些。但仅仅靠这些书里的内容肯定是不够的,所以同学们还是要把相关的基础打好。有了这些基础后,可以仔细地看看和图论以及基础图分析内容,比如《深浅》的第1、5章,《基础》的第2章,《图DL》的第2章。对于GNN的部分,建议同学们看看基础的一些GNN的模型介绍(《深浅》的7章,《基础》的第3章)就好了,比如经典的GCN、GAT和RGCN。更新的一些模型可以暂时不用看。下面就直接找一些现有的库上手来看代码和运行一些例子,比如看看DGL之类的库的文档和教程,有一个基本的了解就差不多了,后续可以根据未来的职业方向来决定。 对于已经毕业工作的,或者相关专业的硕士及以上学历的。如果是算法工程师之类的半工程和半研究的人员,可以把相关的基础章节复习一下。如果是非相关专业,那么还是要和学生一样,把基础搞一下,特别是机器学习和深度学习的基础,外加一部分相关图论的部分。然后可以仔细学习基础的GNN模型及其原理,理解其核心公式,同时结合现有的库和例子上手学习编写GNN的模型,特别是整个GNN训练和推断的pipeline的构建,这样就能把GNN运用到自己实际的项目里。然后就可以跟进一些SOTA的模型,比如《基础》的第8章,《导论》的12-14章里相关的方向。在有了一定的实践经验之后,可以看看相关的一些训练技巧层面的内容,比如《基础》的第5章,《导论》的第10章,《图DL》的第7章和14.2小节。因为GNN的训练,特别是小批次训练和其他DL的训练还是有些区别,这里面涉及的内容比较多,所以不仅要看这些内容,还需要根据使用的库(DGL或PyG)的例子来学习怎么做小批次训练和推断。 对于搞科研的人来说,如果不是专门搞GNN方向的,可以浏览一下《基础》、《导论》和《图DGL》。大致了解GNN是什么东西,能找到自己研究课题可以结合的东西,再细看论文也不迟。毕竟GNN也是深度学习的一个分支,很多的原理都是想通和可以相互借鉴的。如果学科跨度比较大,而又希望深入的学学GNN,这里推荐《图DL》。相比其他3本,《图DL》更类似于教材,可以比较深入的学习。 对一些只是希望了解图神经网络是什么的读者。只要看看每本书的第1和最后关于应用的一章看看就好了。这里《基础》和《导论》对于做PPT是相对容易理解的。 好了,基本比较就写这么多。GNN现在越来越热,相应的中文书从2019年初只看到一本到2021年初开始井喷一样的一下出来了3本,预计后续会有相应的教科书出来,现在的学生有福。 由于《图DL》刚刚入手不久,只是匆匆浏览了一下全书,仔细读完后,再补一个读后感吧。 |
今日新闻 |
推荐新闻 |
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 |