pytorch
文章平均质量分 87
flying_coder
graph representation learning、Anomaly Detection, Graph Prompt Learning, Graph Foundation Model
展开
-
基于高斯过程的贝叶斯优化
因为目前来看,最常用的贝叶斯优化方法是基于高斯过程的,所以本篇blog主要记录基于高斯过程的贝叶斯优化方法的使用(不讲理论,不讲理论~)一、贴两个比较关键的基于高斯过程的贝叶斯优化包:1. BayesianOptimization ---https://github.com/fmfn/BayesianOptimization2. Botorch ---https://github.com/pytorch/botorch我个人更加推荐第一个,实现和修改起来更加的方便。二、关于贝叶斯..原创 2021-09-03 15:20:47 · 2700 阅读 · 0 评论 -
Pytroch+DGL+模型设置相关总结
1、DGL部分: 当使用DGLGraph数据结构对原始数据进行解析的时候(从一条一条的数据变成一张一张图),首先要考虑的是如何将通过DGL库处理后的图数据存储,这时候需要用到的函数是dgl.load_graphs( )和dgl.save_graphs( graph list,label dict ),存储的文件后缀是.bin。此时,我们就将原始数据转换为了图数据,并得到后处理后的图数据集。此时要注意的是,使用pytorch进行训练,数据的读取需要使用到Dataloader类,Dataloade...原创 2021-03-05 15:01:45 · 964 阅读 · 5 评论 -
Deep Graph Library消息传递机制-Message Passing详解
首先是看一下dgl的官网:https://docs.dgl.ai/index.html里面的第二章https://docs.dgl.ai/guide/message.html#guide-message-passing,介绍了DGL数据结构的消息传递机制,这一机制便于我们去设计图神经网络,以及模型参数的传播。里面的三个核心的方法分别是message function、reduce function和update function,直接看官网给出来的式子不难理解,论文中的消息传递指的就是如何更原创 2021-02-19 14:04:43 · 683 阅读 · 0 评论 -
好文分享—— RNN基本原理以及基于Pytorch实践
转载自https://blog.csdn.net/hei653779919/article/details/102868128作者隔壁的NLP小哥RNN神经网络和基于Pytorch的实践 本文主要讲述了RNN循环神经网络的基本原理和利用pytorch进行序列生成的实践,原理的部分主要参考 https://blog.csdn.net/HappyRocking/article/details/83657993,实践的部分主要参考的 是《深度学习原理和Pytorch实战》。在这里向..转载 2020-12-23 19:35:44 · 919 阅读 · 1 评论 -
VAE-《Auto-Encoding Variational Bayes》----Section2部分的有关理解
Section 21、论文中的i.i.d,表示的是独立同分布,是一种严谨的说法,通俗来看其实指的就是我们所经常见到的数据集中的特征,也可以理解为输入,如果是图结构的数据的话就是节点特征,这个独立同分布是进行建模的一个大前提。2、思考: a、注意针对于论文中概率建模的理解,论文中使用概率机型建模,不代表建模的物体是有概率的,比如说 小明爱打篮球,这是一个客观存在,如果使用概率建模,表现的形式是小明爱打篮球的概率为p。为什么要用概率去建模呢?原因在于概率可以模拟更多复杂的场景,因为要通...原创 2020-12-21 17:52:55 · 335 阅读 · 0 评论 -
pytorch Tensor及其基本操作
今日好文,在使用pytorch过程中遇到了tensor的处理问题,这篇知乎文章中作者zcyanqiu写得非常全面,特转载,望能够帮助到大家~转载:本章只是对pytorch的常规操作进行一个总结,大家看过有脑子里有印象就好,知道有这么个东西,需要的时候可以再去详细的看,另外也还是需要在实战中多运用。Tensor attributes:在tensor attributes中有三个类,分别为torch.dtype, torch.device, 和 torch.layout其中, torch转载 2020-12-21 13:46:27 · 583 阅读 · 0 评论