人工智能实战
文章平均质量分 63
重剑DS
学的越多,越觉无知
展开
-
Node2Vec实战---《悲惨世界》人物图嵌入
4. 接下来导入Node2Vec模型,并设置其模型参数,并将最终得到的各个节点的嵌入向量embedding赋予给变量X。上图的效果其实很像原论文里所谓DFS的效果,也就是挖掘同质社群,我觉得更通俗一点,就是相邻的节点其实就是一类。6. 将Embedding用PCA降维到2维,进行节点embedding降维可视化。3. 可视化图,with_labels=True,以此给每个节点的名称显示出来。将词汇表的节点顺序转为networkx中的节点顺序。7. 找到和拿破仑相似的节点。2. 导入内置的数据集。原创 2023-09-23 13:04:55 · 519 阅读 · 0 评论 -
DeepWalk实战---Wiki词条图嵌入可视化
3. 创建好后,安装必要的工具包,gensim是NLP领域的经常要用的工具包,因为DeepWalk其实就是把NLP中的Word2Vec直接用到图上,所以可以直接用NLP领域的工具包gensim。随机森林这一个节点的具体embedding向量如下,完全符合论文中说的那样,embedding是低维(相比起邻接矩阵n*n,已经变小成n*k了,n为节点数量,k为embedding向量长度)、连续(都是大大小小的连续实数)、稠密(向量中无没用的0元素,如one-hot就一大堆0)的向量。原创 2023-09-21 15:00:21 · 693 阅读 · 0 评论 -
PageRank实战---西游记人物节点重要度
然后使用zip函数将head和tail两列数据组合成一个新的列表edges,其中每个元素是一个元组,包含一对节点。9. 接着给每个节点、每条边颜色绘制,并且设置每个连接边的透明度等,透明度当然是越靠前的节点越不透明,因为越靠前的节点的PageRank越高,自然越重要,越不能透明。2. 安装完后,导入所需工具包,并且将matplotlib所画的图内嵌到jupyter中,并且设置中文字体等来正确显示汉字。如下,每个节点的名称可以使用G.nodes打印及,len(G)能够打印出来节点的数量。原创 2023-09-19 18:53:42 · 434 阅读 · 0 评论 -
使用UCF101完成的视频动作分类识别
最近在研究使用UCF101数据集来训练出一个视频动作分类的神经网络。之前因为自己花了1.5w组了台台式就可以轻松跑深度学习,没想到果然是初生牛犊不怕虎,体验过才知道原来是这么吃GPU的…提示:以下是本篇文章正文内容,下面我的案例可供参考。原创 2023-05-05 22:18:38 · 2558 阅读 · 6 评论