NeurIPS 2020- Graph Contrastive Learning with Augmentations

• • contrastive learning algorithm
  • pretraining model for molecular proporty predition

https://github.com/Shen-Lab/GraphCL

使用最基礎的contrastive loss 處理圖graph-level的tasks, 包括self-supervised, semi-supervised graph classification,

主要貢獻是提出4種不同的augmentations.

contrastive learning algorithm

使用最經典的方法

pretraining model for molecular proporty predition

本文發現不同數據集適合不同的data 增廣的方式

總結

以上是生活随笔為你收集整理的GraphCL: Graph Contrastive Learning with Augmentations笔记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。