Spatial Graph Convolutional Networks
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 25/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- julia
- Ambito
- machine-learning
Direzione di ricerca
Leggere il paper collegato, in particolare la Figura 3 e il Theorem 1, quindi confrontare la sua architettura con i livelli convoluzionali elencati nella package API. Esaminare l’implementazione PyTorch collegata e determinare l’ambito previsto e i criteri di accettazione prima di iniziare il lavoro; l’issue attualmente non definisce quale sarebbe il completamento.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Hi, many thanks for your work on this amazing package.
There is a paper called "Spatial Graph Convolutional Networks", with accompanying PyTorch code. You may be familiar with this work already but, from my understanding, the premise of this architecture is that it is a proper generalisation of CNNs from gridded spatial data to irregular spatial data; see Figure 3 and Theorem 1 in the paper.
Do you think it would be worthwhile to include this architecture in your package, perhaps as one of the convolutional layers?
- Lingua principale
- Julia
- Stelle
- 310
- Fork
- 74
- Merge medio
- 3g 23h
- PR unite (30g)
- 2
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di JuliaGraphs/GraphNeuralNetworks.jl
-
remove_nodes doesn't update graph_indicator on batched graphsForse già presa @parth-patel010 l’ha presa 2 giorni fa. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 35/100
JuliaGraphs/GraphNeuralNetworks.jl#716 · 1 commento ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 68/100
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 45/100
JuliaGraphs/GraphNeuralNetworks.jl#702 · 1 commento ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 48/100
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 48/100
Tutte le issue di JuliaGraphs/GraphNeuralNetworks.jl
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
rfordatascience/tidytuesday#1098 ·
-
`SplitRungeKutta` time steppers never call `update_lagrangian_particle_state!`, so particle `tracked_fields` are never updatedForse già presa @ali-ramadhan l’ha presa oggi. Apertabug 🐞
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
CliMA/Oceananigans.jl#6381 ·
I maintainer di solito rispondono entro 1 giorno
-
ci system:windows test
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 76/100
I maintainer di solito rispondono entro 1 giorno
-
Single-column TKE example: boundary-layer depth description doesn't match Han & Bretherton (2019)Aperta
Difficoltà 1/5 1-3 ore Idoneità per principianti 82/100
NumericalEarth/Breeze.jl#1143 ·
I maintainer di solito rispondono entro 1 giorno
-
format-check (Runic) is red on master: formatter drift on ~200 filesForse già presa @ChrisRackauckas-Claude l’ha presa 1 giorno fa. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
SciML/ModelingToolkit.jl#5337 · 1 commento ·
I maintainer di solito rispondono entro 3 giorni