implementation of the DropMessage paper
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 20/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Stack tecnológico
- julia
- Área
- machine-learning
Línea de trabajo
No se han identificado archivos del repositorio, pruebas ni puntos de entrada. Empieza leyendo el artículo de DropMessage y revisando la arquitectura existente y las API de datasets de GNN.jl; habría que acordar el alcance y la definición de terminado antes de implementar experimentos o un tutorial.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Recently I had planned to work on some experiments related to the DropMessage paper and its extensions and application on various datasets like
- Cora
- CiteSeer
- Pubmed
- Flickr
- ogbn-arxiv
If it would be considered useful, I could write up a tutorial/blog related to the work to show GNN.jl users how to modify architectures and use them on various datasets and experiment along the way.
Experiments include:
- Edge perturbation
- Feature noise injection
- Subgraph sampling
- Diffusion
Let me know if this will be useful for the repository! 😄
Thanks
- Lenguaje dominante
- Julia
- Estrellas
- 310
- Forks
- 74
- Merge medio
- 3 d 23 h
- PR fusionados (30 d)
- 2
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de JuliaGraphs/GraphNeuralNetworks.jl
-
remove_nodes doesn't update graph_indicator on batched graphsPosiblemente ocupada @parth-patel010 la tomó hace 1 día. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 35/100
JuliaGraphs/GraphNeuralNetworks.jl#716 · 1 comentario ·
-
Dificultad 3/5 1-2 días Aptitud para principiantes 68/100
-
Mooncake on CUDA issue trackerAbierto
Dificultad 4/5 3-5 días Aptitud para principiantes 45/100
JuliaGraphs/GraphNeuralNetworks.jl#702 · 1 comentario ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 48/100
-
Dificultad 4/5 3-5 días Aptitud para principiantes 48/100
Todos los issues de JuliaGraphs/GraphNeuralNetworks.jl
Issues similares
-
`SplitRungeKutta` time steppers never call `update_lagrangian_particle_state!`, so particle `tracked_fields` are never updatedPosiblemente ocupada @ali-ramadhan la tomó hoy. Abiertobug 🐞
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
CliMA/Oceananigans.jl#6381 ·
Los mantenedores suelen responder en 1 día
-
ci system:windows test
Dificultad 1/5 Menos de una hora Aptitud para principiantes 76/100
Los mantenedores suelen responder en 1 día
-
Single-column TKE example: boundary-layer depth description doesn't match Han & Bretherton (2019)Abierto
Dificultad 1/5 1-3 horas Aptitud para principiantes 82/100
NumericalEarth/Breeze.jl#1143 ·
Los mantenedores suelen responder en 1 día
-
format-check (Runic) is red on master: formatter drift on ~200 filesPosiblemente ocupada @ChrisRackauckas-Claude la tomó hoy. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
SciML/ModelingToolkit.jl#5337 · 1 comentario ·
Los mantenedores suelen responder en 3 días
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
MagneticResonanceImaging/MRIReco.jl#315 ·
Los mantenedores suelen responder en 1 día