weixin_52498332的博客

原创 GNN学习笔记|AEGNN

在这个例子中，所有节点都属于同一个批次，因此批次信息是一个全零的张量。计算每个节点的平均边数量，并记录日志信息。他这里设置的batch_size是1，应该是一次导入一张图的意思吧，但是一张图的大小是120x100，event_counts是25000，不太理解。然后从dm中获得训练数据集，并设置dm.shuffle为false，确保在不同实验中样本顺序相同。然后再确定新的事件索引，并提取新的事件特征和事件位置，最后创建一个Data对象。先load数据集，再在setup中调整数据集的输入方式，最后训练模型。

原创 GNN学习笔记|GCN

再对X做dropout处理，轻量化矩阵后，再过第二个GCN层，和第一个GCN层一个方式，先右乘一个权重矩阵，再左乘一个邻接矩阵，最后做softmax处理，进行分类。第一层GCN，输入特征矩阵features即为X，乘上的权重矩阵为W，然后再左乘一个邻接矩阵A-hat，最后对其再套一个激活函数Relu。然后对特征矩阵和邻接矩阵做归一化处理，对邻接矩阵的归一化处理可以避免对度很小的节点进行训练时出现梯度爆炸或消失的问题。然后再求一下训练的准确度，对算出的loss进行反向传播，再进行随机梯度下降，优化权重参数。

原创 GNN学习笔记|Deepwalk

然后对读取的有向图G进行deepwalk，这里的deepwalk是对每个点进行一定次数和一定长度的随机游走，游走完之后会得到一些序列，这里会对每个点都进行随机游走。然后将得到的序列塞入Word2Vec模型中进行训练，这个模型会基于序列抽取点与点之间的共现关系得到点的embedding，我的理解是点的特征向量，这些embedding就包含了点的位置信息。这个evaluate是评估embedding的质量，与label中进行比较，label中对各个点进行了分类。先读取图的信息，从txt中获取各条边的信息。

原创 Pytorch中使用tensorboard出现TensorFlow installation not found - running with reduced feature set.的错误

运行后，找到最底层文件夹地址复制，然后拉到anaconda命令行下运行。在anaconda的命令行下下载tensorboard。下载完后打开jupyter，输入测试代码。

原创 ros命令

是ROS（Robot Operating System）中用于管理和检查服务（services）消息类型的一个命令行工具。服务在ROS中用于实现客户端-服务器之间的请求-响应通信模式。命令可以查看指定服务消息的结构，包括请求（request）和响应（response）部分的数据类型和字段。

原创 ubuntu

source /opt/ros/noetic/setup.bashsource ~/catkin_ws/devel/setup.bashsource ~/rm_eng/devel/setup.bash

原创 C语言学习笔记

学习记录

原创 gazebo模型

原创 moveit！学习心得（三）路径规划

moveit！学习心得（三）路径规划

原创 编译moveit!时缺少manipulation_msgs功能包

编译moveit!时缺少manipulation_msgs功能包

原创 moveit!学习心得（二）gazebo仿真

moveit!学习心得（二）gazebo仿真

原创 moveit!学习心得（一）机械臂urdf建模

moveit!学习心得（一）机械臂urdf建模

原创 解决报错 AttributeError: ‘tuple‘ object has no attribute ‘serialize‘

解决报错 AttributeError: 'tuple' object has no attribute 'serialize'

原创 moveit机械臂路径规划（一）

在学习moveit的时候对四元数不太清楚，找到一篇比较简单且通俗的博客，先插个眼。