![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习笔记
guo11327
这个作者很懒,什么都没留下…
展开
-
2020-08-24
论文:Edge Contraction Pooling for Graph Neural Networks主要思想:通过计算图中的边的分数,根据分数对冗余边进行收缩。边初始分数计算公式:raw score最终节点分数:final node score更新后的节点特征:实例说明:代码:# 计算softmax的核心代码,仅作记录# 论文完整代码 参见 torch_geotetric docfrom torch_scatter imp...原创 2020-08-24 10:16:05 · 1013 阅读 · 0 评论 -
AI学习数学基础——矩阵
纵观机器学习的书籍,数学公式占据了很大的篇幅,每一个理论算法的提出,后面总会跟一堆繁杂的数学证明,如何对机器学习算法有深入的理解,将其在生活中加以运用,这是数学证明无法做到的,这要求从业者不仅有算法理论基础,也要有工程能力,将算法落地。我的理解,算法是一种方法,它被设计来解决特定的问题。以问题为导向,学者设计解决方法。当然,学者们偏向于AI来解决现实问题,NLP,CV解决方法的实例。究竟AI是...原创 2019-09-05 11:13:23 · 3378 阅读 · 0 评论 -
AI数学基础——经验分布,熵
经验分布经验分布函数是与样本经验测度相关的分布函数。 该分布函数是在n个数据点中的每一个上都跳跃1 / n的阶梯函数。 其在测量变量的任何指定值处的值是小于或等于指定值的测量变量的观测值的数。经验分布函数是对样本中生成点的累积分布函数的估计。 根据Glivenko-Cantelli定理,它以概率1收敛到该基础分布。 同时也存在一些结果来量化经验分布函数与潜在的累积分布函数的收敛速度。我的理...原创 2019-09-10 16:17:37 · 2426 阅读 · 1 评论 -
AI数学基础——似然
答主原文这里仅记录个人理解基本概念理解概率:特定环境下某个事件发生的可能性根据环境参数预测事件发生的可能性似然:事件已经发生,由事件发生的情况来推测产生该生这种结果的环境参数。二者正好是相反的例子:抛硬币正面朝上的概率为0.5,反面朝上的概率为0.5,我们根据硬币的构造作此预测。对于似然,现抛硬币100次,出现50次正面,50次反面,有次推测正面似然为0.5,反面为0.5....原创 2019-09-05 17:13:57 · 272 阅读 · 0 评论 -
关于吴恩达卷积神经网络若干问题的记录
1、第一章第10节CONV1,卷积层1的参数说明:filter大小为 5*5,共计 8 个,上层形状为 32*32*3 ,为3 通道,故 CONV1参数 = 5*5*3*8+8 其中,第一个8为过滤器个数,第二个8为过滤器的偏移量,共计8个偏移量。图中的208 = 5*5*8+8, 过滤器尺寸为 5*5*1,为单通道,与上层输入3通道不符。...原创 2019-09-07 10:35:42 · 350 阅读 · 2 评论