自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(12)
  • 收藏
  • 关注

原创 图神经网络 (GNN)

我们以民国最出名的七角恋人物关系图为例进行讲解,如下图所示:这是一张图,包括人物实体以及人物关系。我们抽象成下面的形式,人物是图的顶点(Vertex)、人物关系是图的边(Edge)。顶点和边都可以附带各自的属性(如:姓名、关系类型等)V:点,每个点都有自己的特征向量(特征举例:邻居点数量、一阶二阶相似度)E:边,每个边都有自己的特征向量(特征举例:边的权重值、边的定义)U:整个图,每个图都有自己的特征向量(特征举例:节点数量、图直径)

2023-11-11 12:33:52 4453 2

原创 PyTorch深度学习-06逻辑斯蒂回归(快速入门)

本文详细介绍PyTorch深度学习的逻辑斯蒂函数,包括为什么要用逻辑斯蒂函数、比较回归与分析的不同、怎样将实数集映射到0-1区间,逻辑斯蒂函数模型及损失函数、逻辑斯蒂函数模型与线性函数模型的代码比较、完整代码及结果

2023-02-12 12:48:44 2616 67

原创 PyTorch深度学习-05用PyTorch实现线性回归(快速入门)

用PyTorch实现线性回归的步骤及完整代码

2023-02-01 15:14:35 600 14

原创 PyTorch深度学习-04反向传播(快速入门)

详细介绍反向传播算法实现步骤,计算图,代码,以及如何在PyTorch中进行前馈和反馈运算

2023-02-01 07:47:14 399 11

原创 PyTorch深度学习-03梯度下降(快速入门)

介绍梯度下降、随机梯度下降、Batch,以及代码实现,结构清晰,通俗易懂。

2023-01-28 00:38:38 467 17

原创 PyTorch深度学习-02线性模型(快速入门)

构建线性模型(准备数据集DataSet、模型选择Model、训练Training、推理inferring),理解损失函数、MSE,代码实现

2023-01-27 01:22:58 481 10

原创 反向传播算法原理(BP算法)(直观易懂)

通俗易懂的介绍反向传播算法原理(BP算法)

2023-01-26 01:30:55 1288 7

原创 PyTorch深度学习-01概述(快速入门)

快速入门PyTorch深度学习,轻松理解反向传播(BP算法)通俗介绍推理、预测、机器学习、监督学习、表示学习、深度学习、神经网络等概念

2023-01-26 01:13:08 408 7

原创 求方程ax^2+bx+c=0的根(C语言)

求方程ax2+bx+c=0的根,用3个函数分别求当:bx2-4ac大于0、等于0和小于0时的根并输出结果。从主函数输入a,b,c的值。2.运行结果(1)两个不等的实根

2022-07-05 19:14:40 10219 25

原创 求最大公约数与最小公倍数(C语言)

写两个函数,分别求两个整数的最大公约数和最小公倍数,用主函数调用这两个函数。两个整数由键盘输入。3.运行结果

2022-07-03 15:55:35 5552 8

原创 数据结构—链表基本操作的实现(C语言)

前言本文介绍线性表链式存储时基本操作的实现,包括链表的结构定义、初始化、创建、插入、删除、销毁、显示、判空、求长度、取元素,以及链表的合并。主要参考:严蔚敏“数据结构及应用算法教程”教材代码如下#include<stdio.h>#include<stdlib.h>#define TRUE 1 //代码中出现True相当于出现1#define FALSE 0#define OK 1#define ERROR 0#define INFEASIBLE -1#de

2022-04-02 23:58:44 2509 26

原创 数据结构—顺序表基本操作的实现(C语言)

数据结构—顺序表的基本操作实现(结构定义、初始化、插入、删除、销毁、显示、清空、判空、求长度、查找,以及线性表的合并)

2022-03-30 01:36:41 4136 51

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除