08 2024 档案
图神经网络——GCN聚合原理理解
摘要：本博客基于B站UP主望舒同学的图神经网络系列讲解及代码实现-GCN1。 GCN的核心思想：通过邻接矩阵A对结点特征进行聚合，用于更新某结点特征。不同的聚合方式
图神经网络知识总结——归一化
摘要：本文以Graph WaveNet为主体，总结其使用到的（图）神经网络知识点以及相应代码实现方式。 对称归一化邻接矩阵 介绍 对称归一化邻接矩阵（Symmetrically normalize adjacency matrix），更适合无向图。 作用 将邻接矩阵归一化处理，使得每一行/列的和等于1（类
axis参数讲解
摘要：axis在python使用中非常常见，比如numpy、pandas等使用情景。但是笔者几乎每次都会忘记axis = 0和axis = 1各自对应的是行还是列，最终决定写下笔记以防再次忘记。 讲解 axis的作用：指明以行为单位进行处理数据，还是以列为单位处理数据。下图就已经很清晰地展示了axis =
Linux文件权限管理
摘要：介绍 如下图，使用ls -l（-l表示long format，长格式）查看当前目录的完整信息。左侧画框处就表示该文件的权限部分。当使用.AppImage软件时，往往需要为其添加可执行权限，否则无法运行。 如果对文件安全十分在意，可以为文件或目录设置最低权限。 权限 硬链接数量 Owner Group
高效使用搜索引擎
摘要：基本搜索技巧 善用关键词 用有实际意义、具体的词语，尽量去除不重要的虚词（如停用词） 不同关键词组合 换位思考。站在作者或者开发者的角度，想一想他们会用什么关键词来描述其内容。 搜索工具 高级搜索 进阶搜索语法——命令搜索 所有命令的标点都是英文输入法下的标点。 命令讲解 site：限定搜索网站 f
归一化指数函数——softmax函数
摘要：概念与应用 Softmax函数常用于多分类任务，将模型输出值归一化到[0,1]范围内，作为样本的概率。二分类可以看作是多分类的一种。因此，Softmax函数可以兼容logistics函数。logistics可以将输出归一化到[0,1]，但是仅输出正类的概率值。Softmax可以输出每一个样本对应的概
全连接层详解
摘要：该博客仅是笔者对于全连接层的浅薄理解。如果存在问题，请务必告知我，谢谢。 前言 全连接层是常见的神经网络层，可以作为模型的分类器（可理解为将特征维度映射到类别维度上），也可以作为特征提取。不过，对于初学者，可以直接认为全连接层是模型的分类器。毕竟大多数情况下，全连接层都是扮演的分类器的角色。 全连接
