![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
网络表征学习
半吊子烟酒僧
网络表征学习、机器学习、C++、QT、自动驾驶
展开
-
pytorch开发环境安装,DGL框架的融入
图神经网络学习环境配置安装经验:第一步:安装Anaconda1.测试conda是否安装成功, conda list2.查看conda版本,conda --version第二步:安装cuda1.测试cuda安装是否成功nvcc -V第三步:安装pytorch-GPU版本:第四步:安装DGL框架;第五步:将DGL文件夹移入到pytorch文件夹下将pytorch环境导入pycharm中测试pycharm中pytorch是否可用安装DGL库原创 2021-09-12 22:53:14 · 2612 阅读 · 1 评论 -
Word2Vec
word2vec是将词变成向量,顾名思义,node2vec其实就是将复杂网络中的节点变成向量。其核心思想为:生成随机游走,对随机游走采样得到(节点,上下文)的组合,然后用处理词向量的方法对这样的组合建模得到网络节点的表示。Deepwalk和node2vec的思想是高度一致的。相比于deepwalk,node2vec在生成随机游走过程中做了一些创新。这里我们不对两者进行深入比较,但由此提出一个结论,也请出今天的二号主角,这一类编码方式的核心结构:我个人把它看做是“上、下”结构上:想尽一切办法,在你的网络.原创 2021-03-18 18:08:41 · 167 阅读 · 0 评论 -
多模态的几种融合方法
目前,多模态数据融合主要有三种融合方式:前端融合(early-fusion)或数据水平融合(data-level fusion)、后端融合(late-fusion)或决策水平融合(decision-level fusion)和中间融合(intermediate-fusion)。前端融合将多个独立的数据集融合成一个单一的特征向量,然后输入到机器学习分类器中。由于多模态数据的前端融合往往无法充分利用多个模态数据间的互补性,且前端融合的原始数据通常包含大量的冗余信息。因此,多模态前端融合方法常常与特征提取方法相转载 2020-12-02 10:48:38 · 9187 阅读 · 0 评论