DL网络层基础实现
文章平均质量分 79
MarToony|名角
心若没有栖息的地方,到哪儿都是流浪
展开
-
简单dropout代码实现
主要内容:简述Dropout的原理与代码实现一、Dropout的代码实现:参考文章:https://www.cnblogs.com/xiximayou/p/12720589.htmlclass Dropout(Layer): """A layer that randomly sets a fraction p of the output units of the previous layer to zero. Parameters: ----------- .原创 2021-05-07 11:49:29 · 1378 阅读 · 0 评论 -
图邻接矩阵、训练数据的标准化及批归一化的原则
主要内容:1 图邻接矩阵的标准化原则(面向行,即起始节点)及代码实现;2 训练数据的标准化的原则(面向各个独立的特征)和代码实现;3 BatchNormal批归一化的原则(面向各个通道C)。一、图邻接矩阵的标准化原则和代码实现标准化是将数据规范到均值为0,方差为1的分布规律中。归一化是将数据规范到[0,1]区间之中,比较严格,标准化允许负数且理论上允许正无穷和负无穷的值的存在。图的邻接矩阵 AAA是(n,n)(n,n)(n,n)形状 ,且矩阵的标准化是通过AAA与其度矩阵的点乘得到。具体的.原创 2021-05-07 11:05:36 · 3056 阅读 · 2 评论 -
基础GCN图卷积层的pytorch的三种实现。
主要内容:1 实现基于邻阵特征阵权重阵的GCN模型;2 调整模型以实现Batch计算;3 介绍Conv2D的GCN和基于邻阵特征阵权重阵的GCN的区别。一、基于邻阵特征阵权重阵的GCN模型import mathfrom torch import nnimport torch.nn.init as initimport torchimport torch.nn.functional as Fdef import_class(name): components = name.s.原创 2021-05-07 09:24:50 · 5419 阅读 · 6 评论