Amber_7422的博客

首先，创建用于写入的文件（这里举例Ubuntu系统）touch graphq.np保存tensor gpath_temp = '/root/KING/graph_features' # 文件存储目录 file_name = os.path.join(gpath_temp, 'graphq.np') # 写入graphq.np文件 g = recon_s2.cuda().data.cpu().numpy() np.savetxt(file_name, g)

z2 为要寻找的目标tensor实例化LinearModel类返回实例化发生在train.py里搬运要写在misa.py里recon_s2 ：源域图向量；recon_t2 ：目标域图像量X_s, X_s_, Y_s, X_t1, X_t1_X_s1, X_s2, Y_s, X_t1, X_t2

第一次用到知识图谱，之前都是浅尝辄止，今天就从代码出发好好学习一下叭~到达train阶段时，图特征已提取完毕，并形成.np文件。现阶段以这些.np文件为基础构建跨域的知识库。获取路径 source_path = get_dataset_path(source_name, 'small') target_path1 = get_dataset_path(target_name, 'small') target_path2 = get_dataset_path(targ.