TensorFlow - 使用 networkx 图作为输入

Question

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，我计算了某些面之间的邻接关系，并将其绘制在一个图上，其中每个节点都是一个面，面之间的每条边表示邻接，权重 0 和 1 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输入 TensorFlow 中的神经网络，教它哪些面孔构成了模型中存在的“特征”？

任何关于该主题的帮助将不胜感激

Answer 1

假设您可以将图表呈现为类似列表的数据结构，原则上您可以。但问题是，你将如何训练你的网络？首先，您需要拥有数千个（和数千个）此类图的样本，以便您可以将它们分批输入到您的 TF 模型中。其次，对于每个样本，您需要明确区分什么代表特征和什么代表标签。您不能指望 TF 弄清楚这些功能是由什么组成的，您需要具体说明。