图神经网络训练框架的实践和探索

多尺度图神经网络流场预测[项目代码]

本项目基于飞桨AI for Science共创计划的论文复现赛题，复现了《AMGNET: multi-scale graph neural networks for flow field prediction》论文。论文采用图神经网络进行流场预测，通过训练CFD仿真数据构建数据驱动模型。项目详细介绍了环境依赖、模型框架及技术要点，包括图粗化层、图卷积块和图恢复层的实现。复现过程中解决了稀疏矩阵乘法带来的数据维度不一致问题，并提出了两种解决方案。预测结果表明，模型在机翼和圆柱两种物理场景中的预测结果与真实流场基本一致，达到了原文精度。项目展示了飞桨框架在图神经网络中的应用，为AI for Science领域提供了有价值的参考。

图神经网络课程python实现

源地址 https://github.com/AntonioLonga/PytorchGeometricTutorial/tree/main/ 嫌git clone慢的不妨在这边下

graph-networks：有趣的图神经网络（GNN）链接列表，主要关注建议和张量流，并不断更新和完善

graph-networks：有趣的图神经网络（GNN）链接列表，主要关注建议和张量流，并不断更新和完善

基于图神经网络的代码漏洞检测方法.pdf

基于图神经网络的代码漏洞检测方法.pdf

基于深度学习的攻击路径预测系统。软件工程实践项目.zip

人工智能毕业设计&课程设计