كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةموسوعة أطر ومكتبات الذكاء الاصطناعيمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

شبكة GCN لتصنيف العقد

متوسطالشبكات العصبية البيانيةتصنيف العقد

الهدف: تدريب GCN على رسم بياني مع عدد قليل من العقد المعلّمة.

Python — example.py
import networkx as nx, torch
from torch_geometric.nn import GCNConv
from torch_geometric.utils import from_networkx

torch.manual_seed(0)
G = nx.karate_club_graph()
data = from_networkx(G)
data.x = torch.eye(G.number_of_nodes())
y = torch.tensor([0 if G.nodes[n]["club"] == "Mr. Hi" else 1 for n in G])
train_mask = torch.zeros(len(y), dtype=torch.bool); train_mask[[0, 33]] = True

class GCN(torch.nn.Module):
    def __init__(self):
        super().__init__(); self.c1 = GCNConv(34, 16); self.c2 = GCNConv(16, 2)
    def forward(self, x, ei): return self.c2(self.c1(x, ei).relu(), ei)

model = GCN(); opt = torch.optim.Adam(model.parameters(), lr=0.01, weight_decay=5e-4)
for epoch in range(100):
    out = model(data.x, data.edge_index)
    loss = torch.nn.functional.cross_entropy(out[train_mask], y[train_mask])
    opt.zero_grad(); loss.backward(); opt.step()
acc = (out.argmax(1)[~train_mask] == y[~train_mask]).float().mean().item()
print(f"دقة العقد غير المعلّمة: {acc:.3f} (عقدتان معلّمتان فقط)")

شرح الكود

نحول رسم نادي الكاراتيه إلى كائن Data (مصفوفة حواف وسمات)، ونعلّم عقدتين فقط (المدرب والرئيس)، وتنشر طبقات GCNConv المعلومات عبر الجيران لتصنيف بقية العقد. المقارنة بالتسميات الحقيقية لمجموعتي النادي.

المتطلبات

Shell
pip install torch-geometric torch networkx

طريقة التشغيل

احفظ الكود في ملف example.py ثم شغّله:

Shell
python example.py

المخرجات المسجلة عند الاختبار

دقة العقد غير المعلّمة: 0.938 (عقدتان معلّمتان فقط)

نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — torch-geometric 2.8.1, torch 2.15.0, networkx 3.7, python 3.13.18

المكتبات المستخدمة