- 博客(132)
- 收藏
- 关注
原创 2.信息的表示和存储
这里写自定义目录标题十进制数字表示法由印度人发明,有斐波那契引入到欧洲。二进制数字更易于表示、存储和传输。比如高低电压、磁场旋向,穿孔有无。将多个位组合,并赋予其意义,就可以表示任意有限的元素。例如表示数字、表示字符。...
2022-02-28 21:06:00
290
原创 torch.argsort()
返回能使得数据有序的索引。比如argsort([2,1]),结果是[1,0],即:最小的元素是索引为0的元素,其次是1.
2022-01-19 19:38:25
3307
1
原创 坑1:No module named ‘keras.api‘; ‘keras‘ is not a package
因为目录有另一个文件名叫keras。
2021-10-11 14:04:11
3806
1
原创 pandas文档记录-按文档章节
pandas3.Essential basic functionalityDropping labels from an axis8.Reshaping and pivot tablesTiling3.Essential basic functionalityDropping labels from an axisdrop()方法解释是:Drop specified labels from rows or columns.label是指定的标签,即可以是行index也可以是列。8.Resha
2021-09-03 21:47:34
113
原创 scikit-learn文档记录-按user-guide章节编号
用过的API总结123 .Model selection and evaluation3.1 Cross-validation: evaluating estimator performance3.1.1. Computing cross-validated metrics3.1.2.1.1. K-fold3.1.2.2.1. Stratified k-fold123 .Model selection and evaluation3.1 Cross-validation: evaluating es
2021-09-03 21:36:08
133
原创 zlib库阅读文档记录
zlib库简介zlib.crc32()库简介一个数据压缩库。是一个项目。zlib.crc32()计算data的CRC (循环冗余校验) 值。
2021-09-03 21:05:33
170
原创 pandas文档阅读记录
Getting startedDataframeSeries如何读写tabular数据查看每列数据类型df.info()如何选择df中数据选出特定的列选取age>35的行选取Pclass为2 或3的行选择特定数据形成新df根据数据画图plot.*Dataframe这是Dataframe:若用一个字典初始化df,则键为列标,值按列排。正如spreadsheet中的形式:从df中选取某一列结果是Series,类似字典的索引操作。可以对df进行一些操作,看看里面数据:如 df.descri
2021-09-03 20:35:57
391
原创 os库文档阅读记录
os库总述os.makedirs()os.path库总述os.path.dirname()总述这是一个提供了操作系统相关功能的库。os.makedirs()递归创建目录。os.path库总述提供了操作路径的功能。(创建目录的操作就不在这个库。原因是,这个库只处理一些路径拼接、分裂啥的,不涉及操作系统层面的创建文件等操作。那些操作在os库中。这个库只是为了跨平台拼接文件名啥的,不涉及系统调用。os.path.dirname()返回path的目录名称。...
2021-09-03 19:01:41
125
原创 urllib文档阅读记录
urllib简介urllib.requesturllib.request.urlretrieve()简介这是跟URL有关的所有库。包括四个子库:urllib.request for opening and reading URLsurllib.error containing the exceptions raised by urllib.requesturllib.parse for parsing URLsurllib.robotparser for parsing robots.txt f
2021-09-03 18:25:25
140
原创 tarfile库文档阅读记录
这里写自定义目录标题open()Tarfile类TarFile.extractall()读写 tar 归档,包括使用 gzip, bz2 和 lzma 压缩的归档。zip文件不在这,用zipfile。open()接受路径,返回一个Tarfile对象。Tarfile类提供了tar file的统一接口TarFile.extractall()将tarfile中所有文件解压到当前目录。...
2021-09-03 18:19:32
146
原创 matplotlib文档阅读记录
Usage GuideUsage GuideA simple exampleParts of a FigureFigureAxesAxisArtistTypes of inputs to plotting functionsThe object-oriented interface and the pyplot interfaceBackendsUsage GuideA simple exampleMatplotlib在Figure(即Windows,类似容器、画布)上绘图;每个Figure包含若干个
2021-09-03 13:33:23
196
原创 scikit-learn Tutorials
scikit-learn TutorialsAn introduction to machine learning with scikit-learnMachine learning: the problem settingLoading an example datasetLearning and predictingConventionsA tutorial on statistical-learning for scientific data processingStatistical learnin
2021-09-03 09:40:51
135
原创 scikit-learn文档阅读笔记
scikit-learn文档阅读笔记Getting StartedFitting and predicting: estimator basicsTransformers and pre-processorsPipelines: chaining pre-processors and estimatorsModel evaluationAutomatic parameter searchesGetting Started这是一个开源机器学习库,包括监督学习、无监督学习的模型,和数据处理的工具。Fitt
2021-09-03 08:38:00
163
原创 常用Python的API
常用PythonAPI一、网络相关1.下载网络文件到指定目录^[1]2.二、系统相关1.系统号三、12一、网络相关1.下载网络文件到指定目录1官网文档urllib.request.urlretrieve(url, filename=None, reporthook=None, data=None)2.二、系统相关1.系统号sys.version_info在学习“机器学习实战”遇到的三、121212212: 在学习“机器学习实战”遇到的1 ↩︎1 ↩︎...
2021-09-01 18:57:01
525
原创 Python面向对象思想
面向对象编程1.基本理论(1)什么是对象(2)面向过程和面向对象(3)两者对比(4)类二、Python中的实践1.创建类2.打印类和类的属性的快捷键3.对象和类的引用关系4.对象的属性1.基本理论(1)什么是对象python中,万物皆对象。包括int等基本类型,都是对象。对象有属性和方法。属性就是描述这是什么,方法就是在说,这个对象能干什么。前者静态特征,后者为动态特征。(2)面向过程和面向对象面向过程关注解决问题的步骤;而面向对象关注哪个对象能解决这个问题;如现在需要完成“洗碗”这个操作,面
2021-08-31 21:38:03
814
原创 第7 章 模式匹配与正则表达式
这里写目录标题(1).不用正则表达式来查找文本模式(2).用正则表达式查找文本模式1.创建正则表达式对象2.进行匹配3.输出匹配结果,group()“知道[正则表达式]可能意味着用 3 步解决一个问题,而不是用 3000 步。如果你是一个技术怪侠,别忘了你用几次击键就能解决的问题,其他人需要数天的烦琐 工作才能解决,而且他们容易犯错。”(1).不用正则表达式来查找文本模式就是用程序逻辑,自己去匹配符合某种模式的字符串(如电话号码)。假如电话号码的格式如下:3 个数字,一个短横线,3个数字,一个
2021-08-30 17:23:42
304
1
原创 廖雪峰python
这里写自定义目录标题1.运行Python脚本2.print()函数1.运行Python脚本在Windows上,得用命令行的命令python my_script.py才能运行。linux和mac上,直接my_script.py就可以运行了。2.print()函数逗号相当于空格:...
2021-08-30 15:48:05
599
原创 Python文件处理
列出当前目录下所有文件夹使用了base.iterdir()enrty.nameimport pathlibbase = '../'base = pathlib.Path(base)for enrty in base.iterdir(): if enrty.is_dir(): print(enrty,type(enrty)) print(enrty.name,type(enrty.name)) print("==========")
2021-08-29 13:48:14
100
原创 用过的latex命令
一、字母类1.花体字母\mathcal{N}N\mathcal{N}N2.空心字母\mathbb{R}R\mathbb{R}R3.希腊字母\phi \gamma \lambda \alphaϕγλα\phi \gamma \lambda \alphaϕγλα4.数学粗体(表示向量)\mathbf{}x\mathbf{x}x二、集合类1.属于\in∈\in∈三、大小、逻辑类1.不等于\neq≠\neq=四、括号类1.范数括
2021-08-28 13:08:07
240
原创 cs224w-图机器学习-Colab 3-GCN在pytorch-geometric中的实现
实现记录一、GNN在pytorch-geometric中的实现思路1.实现GNN的思路一、GNN在pytorch-geometric中的实现思路官方文档是这里:MESSAGE PASSING NETWORKS1.实现GNN的思路文档中说到,Generalizing the convolution operator to irregular domains is typically expressed as a neighborhood aggregation or message passing s
2021-08-28 12:57:47
429
原创 cs224w-图机器学习-2021冬季课程学习笔记-10 Knowledge Graph Embeddings
Knowledge Graph Embeddings一、 Heterogeneous Graphs and Relational GCN (RGCN)1.Heterogeneous Graphs and Relational GCN (RGCN)2.Relational GCN(1) block diagonal matrices(2)basis learning3.RGCN链路预测应用(1)验证集、训练集的划分(2)边的得分函数(3)负采样的方法(4)训练流程(5)验证、测试阶段二、 Knowledge
2021-08-28 10:58:18
686
原创 cs224w-图机器学习-2021冬季课程学习笔记-09 Theory of Graph Neural Networks
Theory of Graph Neural Networks一、How Expressive are Graph Neural Networks?1.local neighborhood structures二、Designing the Most Powerful Graph Neural Network1.GCN的聚合操作2.GraphSAGE3.本节小结4.设计一个满足单射性质的NN三、本章总结1.The power of pooling2.还能提升表示力吗?一、How Expressive ar
2021-08-27 19:13:44
340
1
原创 cs224w-图机器学习-2021冬季课程学习笔记-08 Graph Neural Networks 2: Design Space
Graph Neural Networks 2: Design Space一、总述一、feature augmentation(1)原图信息不够1. Assign constant values to nodes2.Assign unique IDs to nodes3.两个方法的利弊(2)有些feature是GNN难以学到的三、Structure Augment1.添加虚拟边或者节点2.node neighborhood sampling四、Learning Objective1.Different pr
2021-08-27 14:17:26
172
原创 cs224w-图机器学习-2021冬季课程学习笔记-07 Graph Neural Networks 2: Design Space
Graph Neural Networks 2: Design Space一、本章内容总述二、单层的设计1.Message computation2.Aggregation3.小节总结4.GCN的layers设计5.GraphSAGE的layers设计6.GAT一、本章内容总述讲了如何设计不同的GNN,以及这些GNN背后有什么区别。本章提供了一个统一现有的GNN模型的框架。框架中,一共有五个部分可以供我们修改,得到不同的GNN模型:是信息聚合和传递的方式(函数)不同层之间如何连接(全连接还是s
2021-08-26 21:58:35
247
原创 CS224W - Colab 2
CS224W - Colab 21.TUDataset2. PyTorch Geometric3. OGB4.GCN其他1.TUDataset描述是A collection of benchmark datasets for graph classification and regression.官网是这个这数据集包含了很多不同类的的数据,比如电影,分子。2. PyTorch Geometric描述是a geometric deep learning extension library for
2021-08-26 16:09:24
429
原创 cs224w-图机器学习-2021冬课程学习笔记06- Graph Neural Networks 1: GNN Model
Graph Neural Networks 1: GNN Model一、GNN介绍二、深度学习基础三、Deep learning for Graphs1. GCN背后的直觉2.GCN工作过程3.Neighborhood aggregation3.求和式 Neighborhood aggregation5.如何训练GNN5.本节小结一、GNN介绍之前图嵌入方法,是用的浅嵌入(即查找表)的方式。这有三个巨大缺陷:参数量大且不共享参数、不能应用于新节点、不能使用特征信息。本章讲深度模型。二、深度学习基础略
2021-08-26 10:38:09
338
原创 cs224w-图机器学习-2021冬课程学习笔记-5- Message Passing and Node Classification
Message Passing and Node Classification一、分类背后的直觉1.分类问题的表述2.本章内容大纲3.Correlations(1)Homophily(2)Influence4.如何利用Correlations来进行预测5.分类器的主要组成二、Relational classification三、Iterative classification1.两个分类器2.迭代过程四、Loopy belief propagation一、分类背后的直觉1.分类问题的表述根据一部分带标
2021-08-25 16:25:57
265
原创 cs224w-图机器学习-2021冬课程学习笔记-04-Link Analysis: PageRank (Graph as Matrix)
Link Analysis: PageRank ,Graph as Matrix一、PageRank1.如何定义Web对应的图?2.Ranking Nodes on the Graph3. PageRank: The "Flow" Model4.如何解PageRank本章内容:将图视为矩阵,有三个作用:这几项内容实质上是相关联的。这使得可以用线性代数分析图数据。一、PageRank这是斯坦福两个博士生给Google做的,有巨大的作用。用图分析Internet。1.如何定义Web对应的图?看似
2021-08-25 09:27:12
198
原创 cs224w图神经网络-03Node Embeddings-课程笔记
Node Embeddings一、 Node Embeddings1. Graph Representation Learning (GPL)2.Node Embeddings: Encoder and Decoder二、 Random Walk Approaches for Node Embeddings1. 符号表示2. Random Walk定义3. simliarity定义4. Why random walks?5. optimization6. random walk总结7 其他random
2021-08-24 11:28:34
324
原创 cs224w图神经网络 -02-课程笔记
文章目录0 章节前言图的两种特征数据传统机器学习Pipeline本章内容概览1 Traditional Feature-based Method- Node1. 问题描述:根据已有的红绿色信息,预测灰色点的颜色信息2. 首要问题:使用何种features描述节点的**位置和结构**信息0 章节前言图的两种特征数据节点和边的attribute和property描述了图的拓扑结构的数据传统机器学习Pipeline设计、获取特征训练应用本章内容概览使用高效的feature是好性能
2021-08-23 08:55:53
314
原创 CS224w图神经网络 -01-intro笔记
文章目录两大类Graph自然的图结构用图表示relation structure(即用图表示知识等)两大类Graph自然的图结构如社交网络、通信网络、生物图、大脑神经元连接(如果我们想对大脑建模,图结构是少不了的)用图表示relation structure(即用图表示知识等)...
2021-08-22 17:03:18
209
原创 2021-07-31
Self-Supervised Learning1. Generative Models1. AR Model1. GPT2. GPT23. PixelRNN4. WaveNet5. GraphRNN6. GCPN7. MRNNGenerativeGenerative1. Generative Models基于生成式模型的自监督方法1. AR Model1. GPT核心思想: generative pre-training + discriminative fine-tuning其中 gener
2021-07-31 19:27:20
73
原创 pytorch文档学习——QUICKSTART
0本节代码Working with data 处理数据Creating Models 创建模型本节代码Working with data 处理数据讲述了如何处理数据,两个最关键的部分:torch.utils.data.DataLoader and torch.utils.data.Dataset#前者存储,后者迭代PyTorch 提供领域特定的库,如 TorchText、 TorchVision 和 TorchAudio,所有这些都包含数据集Dataset有俩参数: transform 和
2021-06-20 15:10:52
205
原创 Contrastive-Clustering代码学习——2021-06-19
Contrastive-Clustering代码学习argparse 模块argparse.ArgumentParser()add_argument()代码中 parser.add_argument(f"--{k}", default=v, type=type(v))代码-`parse_args()`代码-`os.path.exists(args.model_path):`代码-`os.makedirs(args.model_path)`代码 `manual_seed()`torchvision.Datas
2021-06-19 21:21:08
669
原创 09. Softmax Classifier
import torchfrom torchvision import datasetsfrom torchvision import transformsfrom torch.utils.data import DataLoaderimport torch.nn.functional as Fimport torch.optim as optimbatch_size= 64transoform =transforms.Compose([ transforms.ToTensor(),
2021-05-23 18:41:43
109
原创 08
import torchimport numpy as npimport matplotlib.pyplot as pltfrom torch.utils.data import Dataset # Dataset是个抽象类。继承它的类必须实现三个函数:init,getitem,lenfrom torch.utils.data import DataLoader # DataLoader是用来处理一下原始数据的。Dataset只是用来存储数据的。class MyModel(torch.nn.
2021-05-22 20:54:40
68
原创 07.Mutipule
import torchimport numpy as npimport matplotlib.pyplot as pltxy = np.loadtxt("diabetes.csv.gz", dtype=np.float32, delimiter=",")x = torch.from_numpy(xy[:, :-1])y = torch.from_numpy(xy[:, [-1]]) # 这里[-1]是为了返回nx1的矩阵,如果只是一个-1的话,是没有维度的class MyModel(tor
2021-05-22 20:53:05
107
原创 06. Logistic Regression
import torchimport numpy as npimport matplotlib.pyplot as pltx_data=torch.Tensor([[1.], [2.], [3.]])y_data=torch.Tensor([[0.], [0.], [1.]])class LogisticReg(torch.nn.Module): def __init__(self): super(LogisticReg,self).__init__()
2021-05-20 14:17:37
58
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人