fbpx
  • GraphGallery: библиотека для графовых нейросетей на PyTorch и TensorFlow

    GraphGallery — это библиотека для обучения и тестирований графовых нейросетей. В GraphGallery реализованы состязательные атаки на графовые нейросети. Библиотека совместима с PyTorch, TensorFlow 2.x, Pytorch Geometric (PyG) и Deep Graph Library (DGL). Кроме того, в библиотеке доступны 17 датасетов с данными графов.

    Состязательные атаки на графовые нейросети

    Состязательные атаки (adversarial) на модели используют для тестирования моделей на устойчивость к шуму. Цель атаки — заставить модель выдать неверное предсказание при незначительном модификации входных данных или составных частей модели. В GraphGallery реализованы как нацеленные (targeted), так и ненацеленные (untargeted) атаки. Нацеленные атаки направлены на то, что бы входной объект был классифицирован как какой-то предопределенный класс. Ненацеленные атаки, в свою очередь, фокусируются на том, что бы входной объект просто был неверно классифицирован. Кроме самих атак, в библиотеки реализованы модели, которые устойчивы к атакам. Среди них — RobustGCN, SBVAT, SimPGCN и GCN-Jaccard.

    Подробнее про доступные датасеты 

    GraphGallery содержит популярные датасеты из одного графа (single graph) разных размеров. 8 из 17 датасетов являются направленными. В CORA, CiteSeer и PubMed нодами являются документы, а связями — цитирование. Amazon Computers и Amazon Photo — это части графа совместной покупки в Amazon, где узлы представляют товары, а связи показывают, что два товара часто покупают вместе. Признаки узлов — это отзывы на платформе в формате bag-of-words, а лейблы классов — это категория продукта.

    Характеристики доступных в GraphGallery датасетов
    Подписаться
    Уведомить о
    guest
    0 Comments
    Межтекстовые Отзывы
    Посмотреть все комментарии