外卖平台DoorDash第二季营收26亿美元运营亏损2亿美元

最新推荐文章于 2024-09-16 09:51:52 发布

leijianping_ce

最新推荐文章于 2024-09-16 09:51:52 发布

阅读量14

点赞数

文章标签：人工智能大数据

原文链接：https://mp.weixin.qq.com/s?__biz=MjM5MzQ5NjIyMQ==&mid=2661622006&idx=6&sn=e851842fa9e7f88e59d7fd6dc4d8100d&chksm=bc7ea93a144826312835b779fd044132da55fb6a61b02dffda8aaa73e9345d7f1f3a092cf43a&scene=126&sessionid=0

版权

雷递网乐天 8月2日

美国外卖平台DoorDash(NASDAQ: DASH) 今日发布财报。财报显示，DoorDash在2024年第二季度营收为26.3亿美元，较上年同期的21.33亿美元增长23%。

DoorDash在2024年第二季毛利11.95亿美元，上年同期为9.51亿美元；

DoorDash在2024年第二季度销售与市场费用为5.09亿美元，上年同期为4.71亿美元；研发开支为3.03亿美元，上年同期的研发开支为2.69亿美元；管理费用为4.94亿美元，上年同期的管理费用为3.41亿美元。

DoorDash在2024年第二季度运营亏损为2亿美元，上年同期的运营亏损为2.11亿美元；

DoorDash在2024年第二季度归属于公司股东的净亏损为1.57亿美元，上年同期的净亏损为1.7亿美元。

截至北京时间今日早间美股收盘，DoorDash股价为108.2美元，市值为442.45亿美元；财报发布后，DoorDash盘后大涨超过11%。

———————————————

雷递由媒体人雷建平创办，若转载请写明来源。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

leijianping_ce

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

dgl-同构+异构图的创建和属性信息使用

图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖

01-04

3358

转载目录 1. 图的创建 1.1 同质图 1.1.1 直接创建：dgl.graph() 1.1.3 节点与边的特征 1.2 异质图 1.2.1 异质图 Heterogeneous Graphs 1.2.2 创建异质图-dgl.heterograph() 1.3 Using DGLGraph on a GPU 1.4 从外部资源创建 2 图的属性 2.1 关于图的节点与边的信息 2.2 关于图的类型 2.3 关于图特征的属性 2.4 数据类型 1.3.5 邻接与指示矩阵.

【异构图笔记，篇章1】RGCN:Modeling Relational Data with Graph Convolutional Networks

xiaobaizaza_Ry的博客

02-24

4282

参与评论您还未登录，请先登录后发表或查看评论

【异构图-＞精读】Heterogeneous Graph Attention Network

小明2766的博客

10-21

2201

graph neural network没有考虑异构图。异构图：在图里，节点的类型+边的类型>2。异构性和丰富的语义信息给异构图的图神经网络设计带来了极大的挑战。本文提出：heterogeneous graph neural network based on the hierarchical attention, including node-level and semantic-level attentions（基于层次注意力的异构图神经网络，包括节点级和语义级注意力）

【DGL学习4】使用DGL构造异构图

智慧的旋风的博客

05-27

3449

使用DGL都早异构图参考：https://docs.dgl.ai/guide_cn/graph-heterogeneous.html import dgl import torch Using backend: pytorch 使用DGL创建异构图下面一个异构图示例。该图具有两种类型的节点(“用户”和”游戏”)和两种类型的边(“关注”和”玩”)。我们将按照这个例子来创建一个异构图。 graph_data = { ('user', 'follows', 'user') : (torch.t

DGL图异构神经网络

weixin_43964189的博客

12-31

5952

DGL图异构神经网络什么是异构图？传统同构图（Homogeneous Graph）数据中只存在一种节点和边，因此在构建图神经网络时所有节点共享同样的模型参数并且拥有同样维度的特征空间。而异构图（Heterogeneous Graph）中可以存在不只一种节点和边，因此允许不同类型的节点拥有不同维度的特征或属性。这一特点使得异构图的应用十分广泛。事实上，如果用图来描述我们和周围事物的关系就会发现...

【dgl框架】dgl.HeteroGraphConv 异构图卷积模块

sxl的博客

05-16

546

参考文献 [1]跟着官方文档学DGL框架第六天——异构图卷积模块（HeteroGraphConv）

DGL官方教程--异构图

热门推荐

weixin_45613751的博客

02-02

1万+

Note: Click here to download the full example code Working with Heterogeneous Graphs Author: Quan Gan, Minjie Wang, Mufei Li, George Karypis, Zheng Zhang 在此教程中，我们将要学到以下内容：异构图形数据的示例和典型应用。在DGL中创建和处...

【论文翻译】HCGN：面向集体分类的异构图卷积网络深度学习模型

Mrong1013967的博客

03-16

2119

HCGN：面向集体分类的异构图卷积网络深度学习模型摘要集合分类是研究网络数据的一项重要技术，旨在利用一组具有复杂依赖关系的互联实体的标签自相关性。随着各种异构信息网络的出现，集合分类目前正面临着来自异构信息网络的严峻挑战，如复杂的关系层次、潜在的不相容语义和节点上下文关系语义。为了应对这些挑战，本文提出了一种新的基于异构图卷积网络的深度学习模型，称之为HGCN，用于对HINs中的实体进行集体分类。我们的工作包括三个主要贡献:1)HGCN不仅通过多层异构卷积从关系复杂的HINs中学习潜在的关系，而且用适当

详解异质图异构图完整code下载（含数据集）-HetroGNN-附博客教学讲解-附DGL基础练习必会代码

07-12

这是近期跑过的关于异质图/异构图的项目完整代码+数据集，且含有DGL基础练习代码，欢迎大家下载学习（下载后请依次解压文件即可~）。这部分知识的讲解我已经在博客中记录，近期会发布该博客，可以根据关键字或者...

简明DGL中文文档1

08-08

在DGL中，使用`dgl.heterograph()`构造异构图。 2. **处理多种类型**: 异构图的节点和边可以有不同属性，DGL提供了特定的API来操作不同类型的节点和边。 3. **从磁盘建立异构图**: 同样，异构图的加载也支持从磁盘...

DGL图神经网络框架中文文档

01-05

这个过程可以理解为在图上执行的卷积操作，使得GNN能够捕获图结构中的局部和全局信息。 **深度学习与PyTorch** 深度学习是一种基于多层神经网络的机器学习方法，它能自动从原始数据中学习复杂表示。PyTorch是...

跟着官方文档学DGL框架第六天——异构图卷积模块（HeteroGraphConv）

beilizhang的博客

12-21

5668

参考链接 https://docs.dgl.ai/guide/nn-heterograph.html#guide-nn-heterograph https://docs.dgl.ai/api/python/nn.pytorch.html#dgl.nn.pytorch.HeteroGraphConv 在异构图中，我们分别对每种关系进行处理（不同的DGL NN模块），让源节点的消息沿着不同的关系传递到目标节点，然后对于同一目标节点，聚合不同关系传来的信息来更新特征。公式如下 hdst(l+1)=AGGr∈R

DGL在异构图上的GraphConv模块

qq_43858783的博客

11-24

657

forward() 函数的输出结果也是一个。

DGL创建异构图

qq_43858783的博客

11-20

334

DGL创建异构图

异构卷积层介绍

最新发布

hello！

09-16

1078

异构卷积层通过引入多尺度、多形状的卷积核，增强了卷积神经网络的特征提取能力，使其能够更好地适应复杂的数据结构和模式。然而，这种灵活性也带来了更高的计算复杂度，需要在设计时进行权衡。我们将定义一个包含不同尺寸卷积核的异构卷积层。# 定义不同尺寸的卷积核# 分别使用不同尺寸的卷积核进行卷积操作# 将结果拼接在一起return out我们将使用异构卷积层来构建一个简单的卷积神经网络模型。# 异构卷积层# 全连接层# 异构卷积层# 展平# 全连接层return x。

神经网络——异构卷积

Viraha_的博客

11-26

3336

异构卷积如下图所示，异构卷积的结构设计很简单，即输入特征图的一部分通道应用k×k的卷积核，其余的通道应用1×1的卷积核。其中，P为控制卷积核为k的比例。代码实现： class HetConv(nn.Module): def __init__(self, in_channels, out_channels, p): super(HetConv, self).__init__() # Groupwise Convolution self.gwc

关于异构动态图卷积网络（HetDGCN）的探讨

xiehewe的博客

09-25

388

代码库：DGL_异构图神经网络的基本框架

U got this

04-11

833

文章目录创建HGNN查看HGNN属性与编号节点（边）特征metapath根据metapath取子图HGNN 2 GNN消息传递 import torch as th import dgl Using backend: pytorch 创建HGNN graph_data = { ('a', 'B', 'b'): (th.tensor([0, 0]), th.tensor([1, 2])), ('b', 'C', 'b'): (th.tensor([1]), th.tensor([2]))

ACKRec：注意力异构图卷积深度知识推荐器 SIGIR 2020

u013602059的专栏

07-28

1666

论文链接：http://keg.cs.tsinghua.edu.cn/jietang/publications/Sigir20-Gong-et-al-MOOC-concept-recommendation.pdf 摘要大规模的在线公开课程（MOOC）正在成为一种流行的教育方式，为学生掌握知识提供了大规模的开放式学习机会。为了吸引学生的兴趣，MOOC提供商使用推荐系统向学生推荐课程。但是，由于一门课程通常包含许多视频讲座，每个讲座都涵盖一些特定的知识概念，因此直接推荐课程会忽略学生对某些特定知识概念的兴趣.

异构时间图卷积网络的社团检测代码

09-14

异构时间图卷积网络 (Heterogeneous Temporal Convolutional Networks, HTCNs) 主要是用于处理包含不同类型节点和边以及时间维度的数据结构，例如社交网络、传感器数据等。社团检测（Community Detection）则是识别图中相互之间有较强联系的小群体。编写这样的代码通常涉及以下几个步骤： 1. **库选择**：使用Python的深度学习框架如TensorFlow或PyTorch，以及专门处理图的库如DGL (Deep Graph Library) 或 PyTorch Geometric。 2. **模型构建**：首先定义HTCN架构，包括异构图嵌入层、时间卷积层和可能的注意力机制。比如，在DGL中，可以使用`dgl.nn.conv.HeteroGraphConv`构建异构图卷积。 ```python import dgl from dgl.nn import HeteroGraphConv # 假设我们有一个名为'hetero_graph'的异构图 conv = HeteroGraphConv({ ('user', 'follows', 'user'): [time_conv], ('event', 'occurs_on', 'user'): [time_conv] }, time_kernel_size=3) ``` 3. **社团检测**：通过将时间序列特征输入到HTCN中，然后通过聚类算法（如谱聚类、层次聚类或基于概率的方法）对节点进行分组。这里可能需要一些额外的计算，如邻接矩阵的更新和特征提取。 4. **训练和评估**：用预定义的损失函数训练模型，并使用社团间内连接性和社团单元间的分离度等指标评估社区的质量。 5. **代码示例**（简化版）： ```python def train(graph, conv, optimizer): graph.ndata['features'] = ... # 初始化节点特征 for i in range(num_epochs): pred = conv(graph) loss = compute_loss(pred, true_labels) optimizer.zero_grad() loss.backward() optimizer.step() # 使用社团检测模块进行聚类 graph.ndata['predictions'] = community_detection(conv(graph).mean(1))

外卖平台DoorDash第二季营收26亿美元 运营亏损2亿美元

外卖平台DoorDash第二季营收26亿美元运营亏损2亿美元