8.2.3 高度なハイパーパラメータ・カスタマイズ

豊富なハイパーパラメータ・カスタマイズを使用してGraphWiseモデルを作成できます。

これは、次の2つのサブ構成クラスによって行われます。

1. GraphWiseConvLayerConfig
2. GraphWisePredictionLayerConfig

次のコードは、GraphWiseモデルで前述のクラスを使用した構成の実装を説明しています。

ノート:

Graph Server and Clientリリース21.2以降、次のいずれかのオプションを使用してモデルを作成できます。

• 頂点プロパティのみ
• エッジ・プロパティのみ
• 頂点とエッジの両方のプロパティ

• JShell
• Java
• Python

opg4j> var weightProperty = analyst.pagerank(trainGraph).getName();
opg4j> var convLayerConfig = analyst.graphWiseConvLayerConfigBuilder().
                setNumSampledNeighbors(25).
                setActivationFunction(ActivationFunction.TANH).
                setWeightInitScheme(WeightInitScheme.XAVIER).
                setWeightedAggregationProperty(weightProperty).
                build()
opg4j> var predictionLayerConfig = analyst.graphWisePredictionLayerConfigBuilder().
                setHiddenDimension(32).
                setActivationFunction(ActivationFunction.RELU).
                setWeightInitScheme(WeightInitScheme.HE).
                build()
opg4j> var model = analyst.supervisedGraphWiseModelBuilder().
                setVertexInputPropertyNames("features").
                setVertexTargetPropertyName("labels").
                setEdgeInputPropertyNames("cost"). 
                setConvLayerConfigs(convLayerConfig).
                setPredictionLayerConfigs(predictionLayerConfig).
                build()

String weightProperty = analyst.pagerank(trainGraph).getName()
GraphWiseConvLayerConfig convLayerConfig = analyst.graphWiseConvLayerConfigBuilder()
    .setNumSampledNeighbors(25)
    .setActivationFunction(ActivationFunction.TANH)
    .setWeightInitScheme(WeightInitScheme.XAVIER)
    .setWeightedAggregationProperty(weightProperty)
    .build();

GraphWisePredictionLayerConfig predictionLayerConfig = analyst.graphWisePredictionLayerConfigBuilder()
    .setHiddenDimension(32)
    .setActivationFunction(ActivationFunction.RELU)
    .setWeightInitScheme(WeightInitScheme.HE)
    .build();

SupervisedGraphWiseModel model = analyst.supervisedGraphWiseModelBuilder()
    .setVertexInputPropertyNames("features")
    .setVertexTargetPropertyName("labels")
    .setEdgeInputPropertyNames("cost")
    .setConvLayerConfigs(convLayerConfig)
    .setPredictionLayerConfigs(predictionLayerConfig)
    .build();

weightProperty = analyst.pagerank(train_graph).name

conv_layer_config = dict(num_sampled_neighbors=25,
                         activation_fn='tanh',
                         weight_init_scheme='xavier',
                         neighbor_weight_property_name=weightProperty)

conv_layer = analyst.graphwise_conv_layer_config(**conv_layer_config)

pred_layer_config = dict(hidden_dim=32,
                         activation_fn='relu',
                         weight_init_scheme='he')

pred_layer = analyst.graphwise_pred_layer_config(**pred_layer_config)

params = dict(vertex_target_property_name="labels",
              conv_layer_config=[conv_layer],
              pred_layer_config=[pred_layer],
              edge_input_property_names=["cost"],
              vertex_input_property_names=["features"],
              seed=17)

model = analyst.supervised_graphwise_builder(**params) 

使用可能なすべてのハイパーパラメータとそのデフォルト値の詳細は、JavadocのSupervisedGraphWiseModelBuilder、GraphWiseConvLayerConfigBuilderおよびGraphWisePredictionLayerConfigBuilderを参照してください。