Aimonii的博客

绘制 Loss/Accuracy 曲线的方法。监督学习、无监督学习、半监督学习、强化学习。使用 TensorBoard 分析的方法。管理多个参数组实现不同学习率的方式。图像分类、图像分割、目标检测的实现。构建模型模块与组织复杂网络的方法。对抗生成、循环网络等场景的应用。数据从硬盘读取到内存的方法。图片预处理及数据增强的操作。设置损失函数超参数的方式。组织数据进行训练的方式。初始化网络参数的方式。

CUDA（执行 GPU 计算）------------------>CUDA安装。NVIDIA GPU（硬件）------------------------>cuDNN（加速深度学习计算）------------->cuDNN安装。

层数越多，聚合更多的消息。

使用归一化邻接矩阵进行聚合，计算简单，缺乏个性化。使用注意力机制加权邻居，适合异质图，能够学习不同节点关系。使用灵活的聚合方法，适用于不同任务。✅原始 GCN 计算Hl1σHlW0lAHlW1lHl1σHlW0l​AHlW1l​AD−12AD−12AD−21​AD−21​✅加入自连接后的计算Hl1σAHlW1lHl1σAHlW1l​AD−12。