weixin_43901260的博客

import numpy as np import pandas as pd import csvwith open(r'D:\Lessondocuments\python\github items\Python-GCNMK-main\Python-GCNMK-main\tedata.csv','w') as f: f_csv=csv.writer(f) for line in open(r'D:\Lessondocuments\python\github items\Python.

大纲本文为GNN教程的第七篇文章【使用DGL框架实现GCN算法】。图神经网络的计算模式大致相似，节点的Embedding需要汇聚其邻接节点Embedding以更新，从线性代数的角度来看，这就是邻接矩阵和特征矩阵相乘。然而邻接矩阵通常都会很大，因此另一种计算方法是将邻居的Embedding传递到当前节点上，再进行更新。很多图并行框架都采用详细传递的机制进行运算(比如Google的Pregel)。而图神经网络框架DGL也采用了这样的思路。从本篇博文开始，我们使用DGL做一个系统的介绍，我们主要关注他的设

特征向量中心性：不仅考虑了自己节点的度的大小，还考虑了与它相连的节点的度的大小。特征向量中心性比度能更好地表示节点在图中的位置

一、求均值向量，离差阵，协方差阵，相关阵，标准化后的协方差矩阵原始数据长这样：城市 X1 X2 X3 X4 X5 北京 4 29 56 38 276 天津 8 39 68 48 245 石家庄 12 41 101 58 205 太原 17 45 95 54 224 呼和浩特 13 33 71 40 29

一、概述二、图像基础三、 读取图像#%% 图像基础import numpy as npimport matplotlib.pyplot as plt#构建一个数组test = np.random.randint(0,255,size=(20,20,3))plt.imshow(test)#%%读写图像import cv2import numpy as npimport matplotlib.p...

一、引言二、卷积神经网络（CNN）一共有七层，分别为：C1：第一次卷积；S2：第一次池化；C3：第二次卷积；S4：第二次池化；C5：第一次全连接层；F6：第二次全连接层；OUTPUT:输出层。局部连接（权值共享）：每个隐层神经元的权值是相同的，如下图：全连接层：每个输入神经元都与每个隐层神经元相连接，如下图。以下扫描的过程，实际上就是特征提取的过程（自动）。图像的边缘检测，实际上就是像素点突变的地方。...

一、tensorflow2简单运用#%%tensorflow2简单运用import tensorflow as tf#tf.__version__a = tf.constant([1.0,2])b = tf.constant([3.0,4])#确保a和b都是浮点型数据result = a+b#print(type(result.numpy()))#print(result)#print(tf.reduce_mean(a)) #打印a的均值#print(tf.reduce_m

目录一、散点图plt.scatter()二、折线图plt.plot()三、柱状图plt.bar()四、饼图plt.pie()一、散点图plt.scatter()#%%散点图plt.scatter()import numpy as npimport matplotlib.pyplot as pltx = np.linspace(0,2*np.pi,100) #在0~2pi内生成100个数据y = np.sin(x) + np.random.rand(100)#加一个随机

一、使用sklearn转换器处理数据#使用scikit-learn构建模型#使用sklearn转换器处理数据from sklearn.datasets import load_breast_cancer #导入的这个是类cancer = load_breast_cancer() #因为导入的是类，所以应该实例化 #实例化的时候注意右面的括号(),不要落下 #类 类似于

from PIL import Imagefrom torchvision import transformsfrom torch.utils.tensorboard import SummaryWriterimport cv2'''python 就是将自己的数据转换为 tonser数据类型通过transform.ToTensor去解决两个问题1.为什么需要tensor数据类型？ 绝对路径：D:/上课文件/python/B站图卷积数据集/hymenoptera_data/hymenop.