ExGeo
文章平均质量分 93
路由跳变
这个作者很懒,什么都没留下…
展开
-
ExGeo代码理解(四)layers.py(注意力机制的代码)
这是一个简单的注意力机制模块,用于计算注意力分数并将其应用于值(value)向量。该块代码实现与RIPGeo代码理解(三)layers.py一致该块代码实现与RIPGeo代码理解(三)layers.py一致'''q:[N1, d]k:[N2, d]v:[N2, d]'''这是一个简单的自注意力模块,实现了两个输入序列的注意力计算。这个模块的整体功能是接受三个输入张量 q、k 和 v,然后计算注意力权重,最后生成加权和的输出。该块代码实现与。原创 2024-04-21 08:00:00 · 674 阅读 · 0 评论 -
ExGeo代码理解(三)sublayers.py(layer.py的支持文件)
这段代码定义了一个 Scaled Dot-Product Attention 模块,这是 Transformer 模型中注意力机制的一部分。这个模块实现了 Scaled Dot-Product Attention 的计算,是 Transformer 模型中实现自注意力机制的关键组成部分。该部分实现与RIPGeo代码理解(二)sublayers.py一致。这是一个多头注意力(Multi-Head Attention)模块的实现,用于在Transformer等模型中执行自注意力机制。原创 2024-04-20 07:45:00 · 799 阅读 · 0 评论 -
ExGeo代码理解(二)preprocess.py(预处理数据集并为模型运行执行IP聚类)
├── datasets # 包含3个大规模的真实街道IP地理位置数据集。│ |── New_York # 从纽约市收集的街道级IP地理定位数据集,包括91,808个IP地址。│ |── Los_Angeles # 从洛杉矶收集的街道级IP地理定位数据集,包括92,804个IP地址。│ |── Shanghai # 收集自上海的街道级IP地理定位数据集,包括126,258个IP地址。├── lib # 包含模型(model)实现文件。原创 2024-04-17 08:15:00 · 917 阅读 · 0 评论 -
ExGeo代码理解(一)generateidx.py(生成target nodes和landmark nodes的idx)
1、from tqdm import tqdm:它导入了 tqdm 模块中的 tqdm 类。tqdm 是一个用于在循环中添加进度条的工具,方便用户实时查看代码的执行进度,以帮助在循环中可视化地显示代码的执行进度,从而更好地了解代码的运行情况。原创 2024-03-19 17:26:21 · 799 阅读 · 0 评论 -
ExGeo框架代码构成
该存储库提供了ExGeo框架的原始PyTorch实现。1.更新日志(23.10.19):补充了main.py中打印mask_matrix的代码,该代码可以通过改变epoch的数量来显示矩阵的变化。2.更新日志(23.10.27):修改了Aib的先验概率参数p=0.1。如果想重现可解释性实验,使用较小的概率参数会更明显。值得注意的是,不同的权重'beta'最终将使学习到的Q(Aib/A)收敛到先验分布P(A)。然而,通过我们对收敛过程的仔细观察,我们可以看到,原创 2024-04-16 16:09:42 · 619 阅读 · 0 评论