/ Модель

Характеристики

Лицензия
MIT
Библиотека
keras
Опубликована
27 сен 2026

cora-node-gcn

Языковая модель3 профессии

Двухслойная GCN на Keras 3 классифицирует узлы графа Cora по семи классам.

23скачиваний за 30 дней0лайковвеса обновлены27 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

anasrz/cora-node-gcn — графовая нейронная сеть для классификации узлов, созданная на Keras 3 с библиотекой K3-Node. Модель предназначена для работы с графом Cora и предсказывает один из семи классов для узла по его признакам и связям с другими узлами.

Архитектура — двухслойная GCN с 1433 входными и 32 скрытыми каналами; используется dropout 0,5. В README приведена точность 0,7860. Модель рассчитана на графовые данные с признаками узлов; конкретная область применения ограничена набором Cora. Реализация заявлена для бэкендов PyTorch, JAX и TensorFlow, а формат файлов в репозитории указан как TensorFlow. Лицензия MIT.

Сценарии применения

  • классификация узлов графа Cora
  • присвоение тематических классов узлам по признакам и связям
  • эксперименты с графовыми нейронными сетями на Cora

Ограничения

Модель предназначена для графа Cora и выдаёт семь классов; точность 0,7860 указана в README, но условия оценки не описаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

anasrz/cora-node-gcn

This is a NodeClassifier Graph Neural Network model on Cora built with K3-Node and Keras 3.

It runs natively and seamlessly across PyTorch, JAX, and TensorFlow backends.

Model Details

  • Task: NodeClassifier
  • Backbone Architecture: gcn
  • Library: k3-node (Keras 3)
  • Input Channels: 1433
  • Hidden Channels: 32
  • Output / Classes: 7
  • Number of Layers: 2
  • Dropout: 0.5

Evaluation Metrics

MetricValue
accuracy0.7860

Usage

Install k3-node with your preferred backend (PyTorch, JAX, or TensorFlow):

pip install k3-node huggingface_hub

Loading & Inference

import os
os.environ["KERAS_BACKEND"] = "torch"  # or "jax", "tensorflow"

from k3_node.tasks import NodeClassifier

# Load the pretrained model directly from Hugging Face Hub
model = NodeClassifier.from_pretrained("anasrz/cora-node-gcn")

# Run predictions on your graph data
predictions = model.predict(data)

Framework & Citation

This model was trained with K3-Node, the multi-backend Graph Neural Network framework built on Keras 3.

@software{k3_node,
  author = {Muhammad Anas Raza},
  title = {K3-Node: Multi-Backend Graph Neural Networks on Keras 3},
  year = {2026},
  url = {https://github.com/anas-rz/k3-node}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · keras

Нельзя запустить

Keras/TensorFlow-модели рантайм не загружает.

Ревизия весов
f970eee

0 моделей