m0_51339444的博客

【代码】PyTorch二次反向传播报错。

《Multi-View Spatial-Temporal Graph Convolutional Networks with Domain Generalization for Sleep Stage Classification》

解决报错【error: Microsoft Visual C++ 14.0 or greater is required】

MNE系列教程2——MNE中的Raw及其基本用法

MNE系列教程1——MNE的安装与基本绘图

【代码】GAN模型之Pytorch实战。

CycleGAN的一个重要应用领域是Domain Adaptation（域迁移：可以通俗的理解为画风迁移），比如可以把一张普通的风景照变化成梵高之化作，或者将游戏画面变化成真实世界画面等等。CycleGAN的本质是两个镜像对称的GAN，构成了一个环形网络。两个GAN共享两个生成器，并各自带一个判别器，即共有两个判别器和两个生成器。一个单向GAN两个Loss，两个即4个Loss。

迁移学习——ResNet152

GNN图神经网络原理解析

计算图的相似度。GNN论文精读 —— 《SimGNN: A Neural Network Approach to Fast Graph Similarity Computation》（CCF-B）

GNN实战——KarateClub数据集。该图描述了一个空手道俱乐部会员的社交关系，以34名会员作为节点，如果两位会员在俱乐部之外仍保持社交关系，则在节点间增加一条边。每个节点具有一个34维的特征向量，一共有78条边。在收集数据的过程中，管理人员 John A 和 教练 Mr. Hi（化名）之间产生了冲突，会员们选择了站队，一半会员跟随 Mr. Hi 成立了新俱乐部，剩下一半会员找了新教练或退出了俱乐部。通过收集到的图数据，Zachary 进行了分类，除1名会员外都分类正确。

PyG全称是Pytorch Geometric，它是一个基于Pytorch构建的库，可以帮助用户快速构建和训练自己的图神经网络模型。PyG中实现了很多先进（state of the art）的GNN模块，例如GCN、GraphSage、GAT、SGC、GIN等等。此外，PyG中还包含了大量的benchmark图数据集、丰富的图数据操作方法、支持多GPU。