Réseaux de neurones graphiques (PyG). Classification de nœuds/graphes, prédiction de liens, GCN, GAT, GraphSAGE, graphiques hétérogènes, prédiction de propriétés moléculaires, pour l'apprentissage profond géométrique.
Installez rapidement le skill IA torch-geometric dans votre environnement de développement via la ligne de commande
Source : ovachiever/droid-tings.
PyTorch Geometric is a library built on PyTorch for developing and training Graph Neural Networks (GNNs). Apply this skill for deep learning on graphs and irregular structures, including mini-batch processing, multi-GPU training, and geometric deep learning applications.
PyG represents graphs using the torchgeometric.data.Data class with these key attributes:
Important: These attributes are not mandatory—extend Data objects with custom attributes as needed.
Réseaux de neurones graphiques (PyG). Classification de nœuds/graphes, prédiction de liens, GCN, GAT, GraphSAGE, graphiques hétérogènes, prédiction de propriétés moléculaires, pour l'apprentissage profond géométrique. Source : ovachiever/droid-tings.
Champs et commandes stables pour les citations IA/recherche.
npx skills add https://github.com/ovachiever/droid-tings --skill torch-geometricRéseaux de neurones graphiques (PyG). Classification de nœuds/graphes, prédiction de liens, GCN, GAT, GraphSAGE, graphiques hétérogènes, prédiction de propriétés moléculaires, pour l'apprentissage profond géométrique. Source : ovachiever/droid-tings.
Ouvrez votre terminal ou outil de ligne de commande (Terminal, iTerm, Windows Terminal, etc.) Copiez et exécutez cette commande : npx skills add https://github.com/ovachiever/droid-tings --skill torch-geometric Une fois installé, le skill sera automatiquement configuré dans votre environnement de programmation IA et prêt à être utilisé dans Claude Code, Cursor ou OpenClaw
https://github.com/ovachiever/droid-tings