本周一览:
基于汇报的论文中涉及到的相关知识点,寻找各类资料学习
使用 Pycharm+远程服务器 搭建深度学习环境(已完成),学习Docker的使用,争取接下来两周能熟练使用Docker起容器,使用各类开发资源。
本周学习资料汇总:
论文:
大规模数据集:https://www.paperswithcode.com/paper/ednet-a-large-scale-hierarchical-dataset-in# github: https://github.com/riiid/ednet
图神经网络进行知识追踪:https://github.com/jhljx/GKT
设计图神经网络,借鉴卷积网络,循环网络,和深度自编码器的思想
爱学习教育集团AI Lab基于知识诊断研究成果的学术论文被国际人工智能教育大会2020(AIED,International Conference on Artificial Intelligence in Education)收录,该论文提出了新的知识诊断模型:《Exercise Hierarchical Feature Enhanced Knowledge Tracing》(题目层次化特征加强知识追踪)
计算机视觉的Deep Dream 和 Deep Style 论文:A Neural Algorithm of Artistic Style
关于embedding层的理解 https://zhuanlan.zhihu.com/p/46016518 (表示类别变量的理想解决方案则是我们是否可以通过较少的维度表示出每个类别,并且还可以一定的表现出不同类别变量之间的关系,这也就是 embedding 出现的目的。)
环境搭建:
pytorch深度学习框架,anaconda是python版本管理器,pycharm为python的集成开发环境,cuda可以理解成显卡的加速驱动
简要来说,python为一种语言,anaconda允许你电脑上有多个python环境,pycharm可以粗浅的理解成文本编辑器,但可以让你运行调试编写的代码,所以叫做集成开发环境,一般会将pycharm和anaconda联合,怎么弄问百度,一大堆;至于pytorch相当于python的一种包,里面有各种封装好的运算接口,分为CPU和gpu版的,用gpu就必须安装好cuda
CNN的学习过程:
(可以看作neural)
(将每个filter中取特定的值(通常用gredient decent 来找最值),将图片变小)
看一个小的部分就能识别整张图
GNN:为什么使用GNN