我正在尝试使用TensorFlow构建一个可以识别CAD模型中的特征的人工神经网络 .
使用CAD模型数据我已经计算了某些面之间的邻接并将其绘制在图中，其中每个节点是面，面之间的每个边表示邻接，0和1的权重分别表示凸凹关系 . 下面是绘制邻接图的代码：
import networkx as nx
import matplotlib.pyplot as plt
%matplotlib inline
G=nx.Graph()
#adding nodes
G.add_nodes_from(range(1, 10))
#adding edges
G.add_weighted_edges_from([(1, 2, 0), (1, 3, 0), (1, 6, 1), (1, 8, 1),
(2, 5, 1), (2, 6, 1), (2, 8, 1), (3, 4, 1),(3, 6, 1), (3, 8, 1),
(4, 6, 1), (4, 7, 1), (4, 8, 1), (5, 6, 1), (5, 8, 1), (5, 9, 1),
(6, 7, 1), (6, 9, 1), (6, 10, 1), (7, 8, 1), (7, 10, 1), (8, 9, 1),
(8, 10, 1), (9, 10, 1)])
#draw AAG
nx.draw_circular(G, node_color = 'bisque', with_labels=True)
我的问题是：是否有可能将邻接图提供给TensorFlow中的神经网络，教导它构成模型中存在的“特征”？
任何有关该主题的帮助将不胜感激
1 回答
原则上，您可以假设您可以将图形呈现为类似列表的数据结构 . 但问题是，你将如何训练你的网络？首先，您需要有数千（和数千）这样的图形样本，因此您可以将它们分批提供给您的TF模型 . 其次，对于每个样本，您需要明确区分代表功能的内容和代表标签的内容 . 你不能指望TF弄清楚什么构成了这些功能，你需要指明它 .