- 博客(6)
- 收藏
- 关注
转载 公网ip和私网ip
https://blog.csdn.net/weixin_41919236/article/details/84957941整体流程我们重新整理一下我们上网的路线,看下图,移动公司分给我们的ip是117.158.134.217,这是我们这一栋楼能连上网的公网Ip,那么如何让这一个ip使学校里面的所有人都能使用呢,我们开始重新划分局域网。上文中,我们知B类私有地址范围是:172.16.0.0~172.31.255.255,我们学校采取的就是这种划分方法,所以我的私网ip地址就是172.18.251.1.
2022-01-07 15:02:56 473
原创 pytorch_geometric安装教程
配置环境在自己的外部环境中下载cuda如果没有显卡驱动,先安装显卡驱动安装如下:1、在NVIDIA下载对应的显卡驱动。如下载到⽂件: NVIDIA-Linux-x86_64-410.73.run2、禁⽤nouveau驱动2.1 按 Ctrl+Alt+F1 进⼊命令提⽰符,输⽤⼾名、密码进⼊;然后输⼊以下命令进⼊⿊名单 sudo vi /etc/modpro...
2019-11-09 15:34:24 4241 1
原创 PREDICT THEN PROPAGATE: GRAPH NEURAL NETWORKS MEET PERSONALIZED PAGERANK
Motivation传统GCN在节点分类中达到了不错的效果,但只能在将层数限制在2-3层,加深层数会导致两个问题:(1)、出现过平滑现象:即最后所有节点趋向同一个值。(2)、随着层数的加深,参数量也呈指数级增长。但是试验表明,一般要将层数达到4-5层才能使才能覆盖所有的节点。为了解决这个问题,引进了PageRank方法。问题一由于PageRand方法可能陷入“陷阱问题”和“终止问题”...
2019-11-02 21:48:14 1850
原创 GRAH ATTENTION NETWORKS
GCN简介GCN回顾GAT文章主要是为了解决GCN需要已知整个图才能训练的缺陷而产生。GAT的实现过程1、特征提取与GCN基本相同import numpy as npimport scipy.sparse as spimport torchdef encode_onehot(labels): classes = set(labels) classes_dict...
2019-09-05 20:50:53 774
原创 How powerful are GNN学习笔记
How powerful are GNN1、GNN实现的功能:节点分类、连接预测、图形分类、捕获图形的相似性。 该论文有效的实现了图的分类。2、证明了GNN在图形结构分类上能达到且最多只和 Weisfeiler-Lehman (WL) test 一样有效 WL测试:若两者的新标签不同,这表示两个图是异构的。注:图同构问题指两个图在拓扑结构上相同3、embedding:就...
2019-08-15 21:53:56 1492
原创 SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS学习笔记
图卷积的理论基础理论参考GCN基于频域的方法,空域方法见graphsage图拉普拉斯矩阵定义:L = D - A对称L的标准化:L=D−1/2LD−1/2L=D^{-1/2}LD^{-1/2}L=D−1/2LD−1/2非对称L的标准化:L=D−1LL=D^{-1}LL=D−1L傅里叶变换傅里叶卷积傅里叶卷积可以表示为:f∗g=F−1{F{f}⋅F{g}}f*g=F^{-1}\l...
2019-08-15 21:30:32 486
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