深蓝学院 – 图深度学习：理论与实践「完整，视频+课件」

10图神经网络在计算机视觉中的应用/

[ 84M] 10.1视觉问答

[ 40M] 10.2基于骨架的动作识别

[192M] 10.3图像分类

[ 36M] 10.4点云学习

[105M] 10.5多标签图像分类数据集

[ 86M] 10.6基于ML-GCN的多标签图像分类

[1.7M] Lecture10.zip

[296K] 第十章作业代码讲解.pdf

[1.2M] 第十章作业思路分享.pdf

[4.0M] 计算机视觉中的图神经网络.pdf

11图神经网络在数据挖掘中的应用/

[179M] 11.1万维网的数据挖掘

[ 28M] 11.2城市数据挖掘

[139M] 11.3网络安全数据挖掘

[101M] 11.4推荐系统数据集介绍

[ 91M] 11.5使用LightGCN进行推荐

[ 30M] 11.6利用Heterogeneous GNN进行推荐

[ 17K] DGL版本.zip

[5.5M] L11 数据挖掘中的图神经网络.pdf

[ 14M] Lecture11.zip

[542K] 第十一章作业讲评.pdf

[348K] 第十一章作业提示.pdf

12图神经网络在医疗健康中的应用/

[154M] 12生物化学和医疗健康中的图神经网络

[2.5M] L13_生物化学和医疗健康中的图神经网络.pdf

13图神经网络的一些高级方法/

[ 55M] 13.1更深的图神经网络

[ 72M] 13.2图上的自监督学习

[ 42M] 13.3图神经网络的表达性

[4.1M] L14_图神经网络的一些高级方法_v2.pdf

14图神经网络的一些高级应用/

[ 98M] 14.1图上的组合优化问题

[ 19M] 14.2学习程序表示

[ 39M] 14.3物理中相互作用的动力系统的推理

[2.3M] L15_图神经网络的一些高级应用.pdf

15加餐/

[557M] 15.1基于GNN的推荐系统概述

[103M] 15.2基于GNN的点云处理-DGCNN

[ 43M] 15.3基于GNN的点云处理-GCN

1课程简介/

[273M] 1-为什么要关注图深度学习

[113M] 2-图上的特征学习历史是怎么样的

[303M] 3-本课程将关注哪些内容

[9.7M] 4-课程形式和安排

[9.1M] L1_图深度学习介绍.pdf

[261K] 开课分享-岑宇阔助教.pdf

[692K] 开课分享-吴博助教.pdf

[1.4M] 图深度学习 开课仪式.pdf

[ 13K] 助教分组结果 图深度学习.xlsx

2图论基础/

[ 22M] 1-图的矩阵表示

[ 95M] 2-图的一些性质

[106M] 3-谱图论和图上的信号处理

[ 71M] 4-复杂图简介

[989K] 图深度学习 L2 图论基础.pdf

3深度学习基础/

[ 86K] 10-[作业]第三章.png

[ 68M] 1-深度学习简史

[ 41M] 2-前馈神经网络

[ 35M] 3-神经网络的训练

[ 61M] 4-卷积神经网络

[ 83M] 5-循环神经网络

[ 36M] 6-自编码器

[162M] 7-PyTorch基础

[ 93M] 8-加载数据&前馈神经网络

[ 39M] 9-卷积神经网络(CNN)&自编码器AutoEncoder

[608K] Code.rar

[3.3M] L2 深度学习基础.pdf

[ 819] 第三章作业.rar

[582K] 第三章作业讲评-晴天小猪同学.pdf

[207K] 第三章作业思路提示-岑宇阔助教.pdf

4网络嵌入/

[ 92M] 1-图嵌入的通用框架

[304M] 2-简单的图嵌入

[141M] 3-复杂的图嵌入

[233M] 4-网络嵌入

[ 94K] 5-[作业]第四章.png

[7.5K] HW2更新版.rar

[1.8M] L4 图嵌入.pdf

[383K] 第四章优秀作业分享.pdf

[259K] 第四章作业思路提示 – 吴博助教.pdf

[620K] 图深度学习 Project 2.rar

5图神经网络/

[644M] 5.0直播答疑

[ 15M] 5.1图神经网络简介

[ 61M] 5.2谱图论

[223M] 5.3图滤波

[ 79M] 5.4图池化

[ 94M] 5.5GCN的实现

[ 36M] 5.6GAT的实现

[ 66M] 5.7利用GCN完成节点分类以及图分类任务

[2.2M] L5 图神经网络.pdf

[726K] 第五章作业分享.pdf

[317K] 第五章作业思路提示-岑宇阔.pdf

[121K] 实践代码.zip

6图神经网络的健壮性/

[ 41M] 6.1sec1 鲁棒性简介

[133M] 6.2sec2-1 白盒攻击

[132M] 6.2sec2-2 灰盒攻击

[ 49M] 6.2sec2-3黑盒攻击

[ 45M] 6.2图对抗攻击介绍

[ 42M] 6.3sec3-1 图对抗防御：对抗训练与图净化

[ 33M] 6.3sec3-2 图对抗防御：图结构学习

[ 29M] 6.3sec3-3 图对抗防御：图注意力机制

[ 52M] 6.4sec4-1 实践：DeepRobust基础

[ 64M] 6.4sec4-2 实践：图节点攻击

[ 53M] 6.4sec4-3 实践：图防御

[1.7M] L6_图神经网络的鲁棒性 v3.0.pdf

[313K] 第六章作业讲评.pdf

[612K] 第五章作业提示-吴博.pdf

7图神经网络的可拓展性/

[101M] 7.1GNN的可扩展性介绍

[ 21M] 7.2逐点采样法

[ 39M] 7.3逐层采样法

[100M] 7.4子图采样法

[2.6M] L7_图神经网络的可扩展性.pdf

8图上的其他深度学习模型/

[ 61M] 8.1图上的循环神经网络

[ 45M] 8.2图上的自编码器

[ 77M] 8.3图上的变分自编码器

[144M] 8.4图上的生成对抗网络

[ 37M] 8.5链接预测数据集

[ 68M] 8.6自编码器与变分编码器

[1.3M] L9_图上的其他深度模型-designed.pdf

[892K] 第八章作业分享.pdf

[358K] 第八章作业思路分享-岑宇阔.pdf

9图神经网络在自然语言处理中的应用/

@更多it资源 www.ukoou.com

[ 78M] 8.1语义角色标注

[ 19M] 8.2神经机器翻译

[ 20M] 8.3关系抽取

[ 56M] 8.4多跳问答任务

[ 85M] 8.5知识图谱中的神经网络

[ 48M] 8.6知识图谱数据集介绍

[128M] 8.7sec2 用于知识图谱的模型

[ 19M] 8.8sec3 在知识图谱补全的任务中训练R-GCN

[9.0K] code by PYG.zip

[ 12K] L9 code by DGL.rar

[432K] 第九章作业分享.pdf

[413K] 第九章作业提示-吴博助教.pdf

[2.3M] 自然语言处理中的图神经网络.pdf