顾子郤

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 阅读全文

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 = 阅读全文

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 阅读全文

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 阅读全文

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 阅读全文

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 阅读全文

摘要： 致谢 本项目基于pycnblog，由dongfanger等贡献者完成开发。在此特别感谢原作者的杰出工作。同时，感谢所有为开源社区做出贡献的开发者们！ 功能 目前，仅支持上传至博客园的随笔。 默认“未发布”，可选择直接发布 重复上传，则更新博客 提供类别提示 选择上传的类别。若选择的类别不存在，则会创 阅读全文

摘要： 介绍 tar全称是tape archive，初衷是将多个文件写入磁带。首先，需要分清两个概念——打包与压缩。打包：将多个文件汇总成一个文件。压缩：将一个大文件通过压缩算法变成一个小文件。而tar命令执行的打包流程，真正执行压缩的是使用的压缩算法，比如gzip、bzip2、xz。tar命令在Linux 阅读全文

摘要： 介绍 软链接和硬链接是两种不同的文件链接方式。当源文件被修改时，软\硬链接文件也会相应的修改；当软\硬链接文件被修改时，源文件也会被修改。所以，软链接和硬链接在功能上是相同的，根据使用场景选用链接方式。 软硬链接查询，第一个字母d表示目录，-表示文件（硬链接的表示跟文件相同），l（表示软连接）。右边 阅读全文

摘要： 介绍 Ubuntu的软件安装方式大致分为五种，这五种可以分为两类。 图形化界面 snap store。Ubuntu的软件商店，使用的是snap包。 AppImage。通过官网下载，下载完成后可以直接使用。为不涉及终端命令，所以姑且归类为第一类。 终端 apt：Debian系统中的传统包管理系统 资源 阅读全文