R-GCN参数压缩与异构图模型解析
热点事件持续更新
R-GCN参数压缩与异构图模型解析
1 篇报道1 个报道来源54 分钟前更新
先了解这件事
AI 综述
JeremyCMorgan整理并讲解异构图神经网络课程讲义，以475万参数实例说明R-GCN在关系类型增多时为何会出现参数膨胀，并比较base分解、块对角分解与basis trick；讲义测算，basis trick可将参数量压缩约14.7倍。 讲义还介绍HAN的元路径、HGT的类型化注意力等异构图模型，并结合知识图谱补全实验和schema映射讨论模型选型。
AI 根据报道生成 · 29 分钟前更新
最新进展11月6日 18:01
R-GCN 课程讲义详解：475 万参数账单与 14.7 倍压缩技巧报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- AGI HuntR-GCN 课程讲义详解：475 万参数账单与 14.7 倍压缩技巧
一份异构图神经网络课程讲义详解 R-GCN 在关系类型增多时的参数爆炸，并推导 475 万参数的实例。讲义比较 base 分解、块对角分解与 basis trick，其中后者可压缩约 14.7 倍；还涵盖 HAN 的 metapath、HGT 的类型化注意力、知识图谱补全实验及 schema 映射。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。