wsgyj110-CSDN博客

原创注意力特征拼接

1、一个向量构建矩阵列向量向量乘同长度1行向量2、拼接一个向量构成的矩阵与此矩阵的转置在最后一个维度拼接3、 reshape成需要的形状

2022-03-01 17:54:31 267

原创 2022.1.5

1、matplotlib.pyplotcla() # Clear axis即清除当前图形中的当前活动轴。其他轴不受影响。clf() # Clear figure清除所有轴，但是窗口打开，这样它可以被重复使用。close() # Close a figure window

2022-01-06 21:07:52 629

原创 2021.12.20

1、torch.cat( (A,B),dim=i )第i维保持不变拼接AB2、torch.chunk(tensorA, chunk=i, dim=j )将张量A沿着j轴分为i部分（不能整除最后一部分缺）3、assert检查条件，不满足报错

2021-12-21 08:27:15 79

1、reshape()reshape(a,b)变成a行b列reshape(c,-1)/(-1,c)变成c行（列）列（行）自动计算2、torch.utils.data.TensorDataset(a,b)将tensor a,b封装成数据集，ab第一维要相同，效果类似zip（zip返回同一索引的元素组成的元组）如何调用？3、*list/tuple在函数调用中使用*list/tuple的方式表示将list/tuple分开，作为位置参数传递给对应函数（前提是对应函数支持不定个

2021-12-20 10:30:05 60

原创 2021.12.16

1、矩阵乘法“ * ”、“@”、dot()、matmul()为矩阵点乘（在数组中*为元素相乘），前一个左乘后一个multiply()为对应元素相乘2、transpose(a,b)交换ab维3、参数初始化函数pytorch系列 -- 9 pytorch nn.init 中实现的初始化函数 uniform, normal, const, Xavier, He initialization_墨流觞的博客-CSDN博客_torch.nn.init.xavier_uniform_..

2021-12-17 09:20:46 49

原创 2021.12.15

1、交通预测中必须考虑时序关系，因此GCN要结合RNN才能进行预测2、self.weight = Parameter(torch.FloatTensor(in_features, out_features))可以理解为建立形状和in_features, out_features相同的权重？？

2021-12-15 23:08:56 722

原创 2021.12.9

1、torch.nn.Module继承了module父类后每一层的结构（有可变参数的层必写入，激活函数等可以不写通过调用方式在forward使用）写在__init__里，forward方法是必须要重写的，它是实现模型的功能，实现各个层之间的连接关系的核心。我的理解是forward方法表明数据流流向及处理过程2、作为是否用cpu的判断args = parser.parse_args()args.cuda = not args.no_cuda and torch.cuda.is_avai

2021-12-09 22:14:37 219

原创 2021.12.8

1、torch.FloatTensor.运算/运算_()有_改变原张量值，无_新建张量2、uniform(x, y)uniform() 方法将随机生成下一个实数，它在 [x, y] 范围内3、tensor.data取张量的元素4、torch.mm/mul(a, b)torch.mm(a, b)是矩阵a和b矩阵相乘，torch.mul(a, b)是矩阵a和b对应位相乘，a和b的维度必须相等5、稀疏乘spmm...

2021-12-08 22:19:06 51

原创 2021.12.7

1、非对称邻接矩阵转变为对称邻接矩阵(有向图转无向图)adj = adj + adj.T.multiply(adj.T > adj) - adj.multiply(adj.T > adj)adj.T.multiply(adj.T > adj)的作用=np.multiply(adj.T, (adj.T > adj)) # ??2、np.where(condition, x, y)condition为判断条件,真返回x否则返回y；condition可为...

2021-12-07 22:08:03 1018

原创 2021.12.6

1、切片完整写法：array[::]，开始索引:结束索引+1:steparray[a:]从第a+1个开始取array[:a]取到第a个array[A, B]取二位列表的值，A、B可以含有‘:’表达2、有些函数不能赋值，只能直接对目标改变状态如flatten、reverse等3、生成稀疏矩阵coo_matrix输入数据向量，边连接两点的编号...

2021-12-07 10:09:35 48

原创 2021.12.2

1、labels = [1, 2, 1, 3, 0, 1, 0, 5, 2, 3]classes = set(labels)classes_dict = {c: np.identity(len(classes))[i, :] for i, c in enumerate(classes)}labels_onehot = np.array(list(map(classes_dict.get, labels)))可以理解为map将字典作为函数处理labels。2、a = np.eye(3

2021-12-02 22:15:00 63

wsgyj110的博客