图神经网络 - 博客园

2021年12月21日

摘要： 1 导入实验需要的包 import torch import torch.nn as nn import torch.nn.functional import torch.optim as optim import torch.utils.data.dataloader as dataloader 阅读全文

posted @ 2021-12-21 22:33 图神经网络阅读(157) 评论(0) 推荐(0) 编辑

稀疏编码器

摘要：提出思路自编码器最初提出是基于降维的思想，但是当隐层节点比输入节点多时，自编码器就会失去自动学习样本特征的能力，此时就需要对隐层节点进行一定的约束，与降噪自编码器的出发点一样，高维而稀疏的表达是好的，因此提出对隐层节点进行一些稀疏性的限值。稀疏自编码器就是在传统自编码器的基础上通过增加一些稀疏性约阅读全文

posted @ 2021-12-21 22:06 图神经网络阅读(316) 评论(0) 推荐(0) 编辑

堆栈自编码器

摘要：参考文档自编码器及相关变种算法简介四种类型自编码器AutoEncoders理解及代码实现堆栈自编码器 Part1 加载项目需要的包 import torch from torch import nn, optim, functional, utils import torchvision fr 阅读全文

posted @ 2021-12-21 21:01 图神经网络阅读(278) 评论(0) 推荐(0) 编辑

多层自编码器手写版

摘要： #导入实验需要的包 import torch import torch.nn as nn import torch.utils.data as Data import torchvision import matplotlib.pyplot as plt from mpl_toolkits.mplo 阅读全文

posted @ 2021-12-21 15:04 图神经网络阅读(95) 评论(0) 推荐(0) 编辑

2021年12月20日

pytorch中的Variable()

摘要：函数简介 torch.autograd.Variable是Autograd的核心类，它封装了Tensor，并整合了反向传播的相关实现(tensor变成variable之后才能进行反向传播求梯度?用变量.backward()进行反向传播之后,var.grad中保存了var的梯度) x = Variab 阅读全文

posted @ 2021-12-20 09:50 图神经网络阅读(177) 评论(0) 推荐(0) 编辑

DataLoader源代码剖析

摘要：前言 dataloader 本质是一个可迭代对象，使用 iter() 访问，不能使用 next() 访问；使用 iter(dataloader) 返回的是一个迭代器，然后可以使用 next 访问；也可以使用 `for inputs, labels in dataloaders` 进行可迭代对象的阅读全文

posted @ 2021-12-20 09:17 图神经网络阅读(201) 评论(0) 推荐(0) 编辑

2021年12月19日

自编码器手写

摘要： 1 import torch from torch import nn,optim from torch.autograd import Variable from torchvision import transforms,datasets from torch.utils.data import 阅读全文

posted @ 2021-12-19 20:06 图神经网络阅读(48) 评论(0) 推荐(0) 编辑

2021年12月18日

PCA手写版

摘要：计算过程参考：《机器学习——主成分分析（PCA）》代码： X = np.array([[-1, -2], [-1, 0], [0, 0], [2, 1], [0, 1]]) print(X) def PCA(X,n): #转置 X = np.transpose(X) #求特征的均值 X_mean 阅读全文

posted @ 2021-12-18 22:21 图神经网络阅读(80) 评论(0) 推荐(0) 编辑

Numpy.mean() 关于axis参数的理解

摘要：结论 >>> a = np.array([[1, 2], [3, 4]]) >>> np.mean(a) # 将上面二维矩阵的每个元素相加除以元素个数（求平均数） 2.5 >>> np.mean(a, axis=0) # axis=0，计算每一列的均值 array([ 2., 3.]) >>> np 阅读全文

posted @ 2021-12-18 21:13 图神经网络阅读(104) 评论(0) 推荐(0) 编辑

深度图神经网络(GNN)论文

摘要： part1/经典款论文 1. KDD 2016，Node2vec 经典必读第一篇，平衡同质性和结构性《node2vec: Scalable Feature Learning for Networks》 2. WWW2015，LINE 1阶+2阶相似度《Line: Large-scale info 阅读全文

posted @ 2021-12-18 11:11 图神经网络阅读(878) 评论(0) 推荐(0) 编辑

Blair

公告