- 博客(5)
- 收藏
- 关注
RSS订阅原创 【无标题】
课程来源：https://github.com/itcharge/LeetCode-Py/1加⼀思路：将字符串转化成数值计算，然后转化回列表2寻找数组的中⼼下标思路：先一次遍历计算之前所有的加和，然后二分查找。3旋转数组思路：三次旋转实现4旋转图像思路：先转置再左右对换5螺旋矩阵递归随机漫步，漫步方向设置为：如果直行有困难，则右拐。6对⻆线遍历递归随机漫步，漫步方向设置为：如果直行有困难，则左拐或者右拐。先右拐再左拐，交替进行...
2021-11-17 20:12:43
155
原创 自定义数据集类 & 节点预测与边预测任务实践
4-1 自定义数据集类参看资料来源：https://github.com/datawhalechina/team-learning-nlp/tree/master/GNN通过继承InMemoryDataset类来自定义一个数据可全部存储到内存的数据集类。class InMemoryDataset(root: Optional[str] = None, transform: Optional[Callable] = None, pre_transform: Optional[Callable] =
2021-06-27 09:13:32
278
原创 2021-06-21
3. 模型对比基于图神经网络的节点表征的学习遵循消息传递范式：在邻居节点信息变换阶段，GCN与GAT都对邻居节点做归一化和线性变换（两个操作不分前后）；在邻居节点信息聚合阶段都将变换后的邻居节点信息做求和聚合；在中心节点信息变换阶段只是简单返回邻居节点信息聚合阶段的聚合结果。GCN与GAT的区别在于邻居节点信息聚合过程中的归一化方法不同：前者根据中心节点与邻居节点的度计算归一化系数，后者根据中心节点与邻居节点的相似度计算归一化系数。前者的归一化方式依赖于图的拓扑结构，不同节点其自身的度不
2021-06-21 10:00:33
294
原创 2021-06-18
2. 创建消息传递网络用xi(k−1)∈RF\mathbf{x}^{(k-1)}_i\in\mathbb{R}^Fxi(k−1)∈RF表示(k−1)(k-1)(k−1)层中节点iii的节点特征，ej,i∈RD\mathbf{e}_{j,i} \in \mathbb{R}^Dej,i∈RD 表示从节点jjj到节点iii的边的特征，消息传递图神经网络可以描述为xi(k)=γ(k)(xi(k−1),□j∈N(i) ϕ(k)(xi(k−1),xj(k−1),ej,i)),\mathbf{x}_i^{(k)
2021-06-18 20:22:06
78
原创 2021-06-13
PyGPyTorch geometric图（Graph）是用于建立对象（节点）之间的成对关系，或者说是 “ 边关系 " 的模型。https://pytorch-geometric.readthedocs.io/en/latest/1.环境配置conda create -n e python=3.8conda activate econda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c c
2021-06-15 15:39:35
100
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人