网站介绍：《面向快速图表示学习的自适应采样》2018-11-19文章目录1.待解决的问题2.解决方法-采样3.本文提出的快速训练方法3.1模型3.2与相关工作的对比3.3模型定义3.4模型步骤3.4.1节点抽样 -> 分层抽样3.4.2显性方差减少构造抽样器1.待解决的问题 一种自适应分层采样方法来加速GCNs的训练。解决GNNs的不可扩展问题（计算卷积需要跨层递归扩展邻域，计算量大，占内存。传统的小批量训练无法提高卷积计算的速度，因为每批训练都会涉及大量的顶点，即使批处理的大小很小）2.解决方法-采
- 链接地址：https://blog.csdn.net/qq_41821608/article/details/122727596
- 链接标题：【论文阅读】Adaptive Sampling Towards Fast Graph Representation Learning | day12（补）13_炖鹅小铁锅的博客-CSDN博客
- 所属网站：blog.csdn.net
- 被收藏次数：7979
- 网站标签：【论文阅读】Adaptive Sampling Towards Fast Graph Representation Learning | day12（补）13
