pyg-team/pytorch_geometric

Add `KerGNN` to `conv.nn` as layer type

Open

#4.937 geöffnet am 7. Juli 2022

Auf GitHub ansehen
 (4 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (3.514 Forks)batch import
0 - Priority P0featurehelp wantednn

Repository-Metriken

Stars
 (19.985 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 35T 1h) (14 gemergte PRs in 30 T)

Beschreibung

🚀 The feature, motivation and pitch

Dear PyTorch-Geometric team, dear Matthias,

stumbled upon this novel GNN layer type idea named KerGNN, and it worked out quite well in their and my own experiments for different occasions. Their code is available at https://github.com/asFeng/kergnns, while being directly compatible to your library, i.e. using PyTorch and immanently compatible to your dataset formulations.

Best wishes, Tilman

Alternatives

No response

Additional context

No response

Contributor Guide

Research-Richtung
Untersuchen Sie das KerGNN Papier (https://arxiv.org/pdf/2201.00491.pdf) und die vorhandene Referenzimplementierung unter https://github.com/asFeng/kergnns. Studieren Sie, wie bestehende GNN Schichten im conv.nn Modul von PyTorch Geometric implementiert sind, insbesondere die Basisklasse und den Registrierungsmechanismus. Erstellen Sie ein neues Modul für KerGNN, stellen Sie die Kompatibilität mit den Datenstrukturen der Bibliothek und dem Message Passing Paradigma sicher, fügen Sie Unit Tests hinzu und aktualisieren Sie die Dokumentation. Es gibt keine offenen PRs oder Zuweisungen, daher ist die Arbeit verfügbar, erfordert jedoch ein sorgfältiges Design.
Tech Stack
pythonpytorch
Domain
machine learning
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
Halber Tag
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
PythonPyTorchGraph Neural Networks
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
40