小黄的博客

电网拓扑形态多样，重构场景频繁，，传统故障定位方法的单一阈值设定无法满足要求，基于人工智能的配电网故障定位技术具有很大的应用潜力，但仍存在着拓扑关联性差、泛化能力弱、难以兼顾灵敏性与多场景适应性等问题。以装设有微型同步相量测量装置的小电流接地配电网为研究对象，以图神经网络技术为载体提升故障特征与配电网拓扑之间的融合深度，通过拓扑-数据的结合构建基于图神经网络的配电网故障定位模型，解决考虑拓扑变化和多拓扑形态下的配电网故障区段定位问题。

在torch中构建自己的数据集。

在使用PyG框架的时候，PyG要求输入的是 edge_index 格式，而不是我们所使用的邻接矩阵格式,即N x N。import scipy.sparse as spimport numpy as npimport torch# adj_matrix 是邻接矩阵tmp_coo = sp.coo_matrix(adj_matrix)values = tmp_coo.dataindices = np.vstack((tmp_coo.row,tmp_coo.col))i = torch.Lon

本文实现的两层GCN与GAT在cora数据集上效果，并可视化展示。1.导入的相关包import matplotlib.pyplot as pltimport networkx as nximport numpy as npimport pandas as pdimport torchfrom torch._C import parse_irimport torch_geometricfrom torch_geometric import datasetsfrom torch_geomet

本文基于pytorch框架实现2层的GCN，以空手道网络的Louvain算法结果作为标签，训练得到准确率。

由于老板配置了一台新的1660s的电脑，最近搞研究需要用到GPU，所以本文记录安装GPU版本的pytorch。Anaconda是一个开源的环境管理器；一、Anaconda的安装本人喜欢Anaconda+Vscode 用习惯了，不喜勿喷这是我的Anaconda版本安装过程就一路点 next 就行在安装的时候，尽量不要装在C盘，占用空间过大在下面的时候，第一个选项可以勾选，这样就不用自己配置环境变量了二、配置安装CUDA检查自己的显卡能支持cuda的版本，从我这里可以看到CUDA可以支持1

在调用torch包的时候出现下面的错误[WinError 126] 找不到指定的模块。 Error loading “E:\anaconda3\lib\site-packages\torch\lib\asmjit.dll” or one of its dependencies.似乎是numpy包版本太低，先更新一波numpy好吧还是不行在cmd窗口一看，好家伙，原来是缺少C++报错中写明了下载地址 https://aka.ms/vs/16/release/vc_redist.x64.exe

本文是使用python语言基于TensorFlow实现手写数字识别，代码已注释1. LeNet-5介绍LeNet-5出自论文Gradient-Based Learning Applied to Document Recognition，是一种用于手写体字符识别的非常高效的卷积神经网络。在讲解LeNet-5之前，让我们先看下CNN。卷积神经网络能够很好的利用图像的结构信息。LeNet-5是一个较简单的卷积神经网络。下图显示了其结构：输入的二维图像，先经过两次卷积层到池化层，再经过全连接层，最后使用so

本文是基于paddle paddle采用CNN实现猫狗识别案例。author：小黄缓慢而坚定的生长图像分类是根据图像的语义信息将不同类别图像区分开来，是计算机视觉中重要的基本问题猫狗分类属于图像分类中的粗粒度分类问题step1.数据准备#导入需要的包import paddle as paddleimport paddle.fluid as fluidimport numpy as npfrom PIL import Imageimport matplotlib.pyplot as

本文是基于paddle paddle采用多层感知器实现手写数字识别问题。#导入需要的包import numpy as npimport paddle as paddleimport paddle.fluid as fluidfrom PIL import Imageimport matplotlib.pyplot as pltimport osStep1：准备数据。(1)数据集介绍MNIST数据集包含60000个训练集和10000测试数据集。分为图片和标签，图片是28*28的灰度图像，

本文是基于百度的paddle paddle实现经典数据集莺尾花分类问题，采用的是SVM算法。import numpy as npfrom matplotlib import colors from sklearn import svmfrom sklearn.svm import SVCfrom sklearn import model_selectionimport matplotlib.pyplot as pltimport matplotlib as mpl#************