qlkaicx的博客

遇到的错误表明你的环境中尚未安装minepy这个库。

plt.show()这其实是matplotlib的默认行为 —— 它会弹出一个交互式窗口让你“看完图再走”。

就说明配置成功啦 ✅。

报错如下：我目前遇到的是两个问题： 其实在 PyPI 上是存在的，但有些镜像源（比如清华）可能没同步到它，或者我的环境有点旧。如果网络不佳，可以加上超时时间延长 & 忽略缓存：❗问题 2：我当前 pip 被设置了“代理”，但代理地址无效从这个报错看得出来：说明我的 pip 被配置成走代理，但系统找不到这个代理路径或服务。可以通过以下方法清除代理配置：然后再试一次：✅ 或者永久清除（看下是否设置了环境变量）可以检查下是否在 或 或 中写死了 proxy 设置，有就删掉。

torchinfo（它支持 list input）。的使用范围，它会直接报错。，推荐的方式是手动注册。，它接受的输入是标准。

这是超时问题，是网络速度的问题，并不是我操作的问题。

是因为我当前的 pip 正在使用，而清华镜像，它是。

点进去一一下载，然后pip install 路径就好。

gdnscipy。

这个错误提示是：✅ pip 检测到：安装的的.whl文件。

步骤命令卸载 PyTorch 2.6.0安装 PyTorch 2.5.1 CPU 版安装 PyG 依赖安装 PyG。

✅ 这将安装不包含 CUDA 的纯 CPU 版本，不再依赖。，说明用的是 CPU 版本，就 OK 了！

报错信息表明代码中被错误地使用了带有reuse参数，而并不支持reuse参数。reuse参数通常用于，但由于使用的是 TensorFlow 2.x，已被移除或需要通过兼容性模式使用。

报错的原因是，在 TensorFlow 2.x 中已经被移除，而它是 TensorFlow 1.x 的一种构建静态图的特性。在 TensorFlow 2.x 中，可以通过或者直接使用函数和 Keras API 来替代。

这个错误表明正在使用 TensorFlow 2.x，而代码是基于 TensorFlow 1.x 编写的。是 TensorFlow 1.x 中的特性，在 TensorFlow 2.x 中已经被移除，因为即时执行模式（Eager Execution）取代了静态图的机制。

【代码】安装一个tensorflow 1X 版本。

这个错误是由于xlrd库不再支持读取.xlsx格式的 Excel 文件。从xlrd1.2.0 版本开始，只支持读取旧的.xls格式。如果尝试读取.xlsx文件，则会遇到此错误。

这个错误是因为numpy的较新版本中移除了对np.float的支持。在NumPy 1.20中，np.float被弃用并建议改用float或np.float64。错误的根本原因在于代码中调用了。

这个错误提示表明，程序试图从导入，但在当前的keras版本中，这个函数不可用或已被移除。

是因为没有安装模块。以。

这是因为TensorFlow需要访问NumPy中的一些内部函数，但由于版本差异，导致它无法正常工作。表明NumPy版本是2.0.2，而TensorFlow是为NumPy 1.x编译的。安装完成后，再次运行程序。在新环境中运行你的程序。

在命令窗口（cmd）中输出nvidia-smi。

可以用来调整当前图表 (axes) 的位置和大小。

pip install pywaveletspip install scikit-image

符号有向图（Signed Directed Graph, SDG）是一种用于建模和分析系统动态行为的图论工具，尤其在复杂系统、故障诊断和因果关系分析等领域应用广泛。它通过节点表示系统的变量或状态，通过有符号的有向边表示变量之间的因果关系以及关系的正负效应。

压缩感知（Compressive Sensing，简称CS）是一种信号处理理论，旨在通过较少的采样数据恢复原始信号，特别适用于稀疏信号或可以通过少量信息进行有效表示的信号。传统的信号采样理论基于奈奎斯特定理（Nyquist-Shannon sampling theorem），要求信号的采样频率至少是信号最高频率的两倍，而压缩感知则突破了这一限制，能够在采样数量大大低于传统要求的情况下恢复信号。

废话不多说，直接安装就行！

可以将多个内容写入一个 Excel 文件中。具体地说，它创建了一个Excel 文件写入器，使得我们可以在一个文件中创建多个工作表（Sheet）。

是 Matplotlib 用来绘制水平线的函数，方便我们在图中添加基准线或参考线。在残差图中，它可以帮助直观地观察残差的正负波动。

Python和MATLAB都可以用来绘制散点图。两者的语法和功能相似，但在实现细节和定制选项上略有差异。以下分别用Python和MATLAB绘制一个散点图，并说明它们的不同点。

库调用：Python需要导入matplotlib，MATLAB无需导入额外的库。图例设置：Python使用，MATLAB使用。定制：两者都支持多种定制参数，但Python在配合其他库（如seaborn）时具备更高的灵活性。

是指在代码中使用了不一致的缩进方式，即在同一文件中混用了Tab和空格来缩进代码行。Python 对代码缩进要求严格，必须在整个代码中统一使用或来缩进，不能混用，否则会导致这种错误。

神经网络架构搜索（NAS, Neural Architecture Search）是一种用于自动化设计神经网络架构的技术。传统的神经网络模型架构设计通常依赖于专家经验和大量试错，而NAS通过算法自动搜索网络架构，以发现最适合特定任务的神经网络设计。NAS可以极大地减少人工调参的时间和精力，并且在某些情况下能够找到比手工设计更优的架构。NAS的目标是从一个巨大的神经网络架构搜索空间中，找到能够在特定数据集和任务上表现最优的网络结构。

神经网络之所以强大，是因为它们能够通过复杂的层次结构自动学习数据中的隐藏模式和特征，尤其在处理高维、复杂和非线性数据时表现出色。

总结来说，GNN、GCN、GAT 的关系与 NN、CNN、AT 之间的关系有一定的相似性，都是一种泛化关系：GNN 是最基础的框架，GCN 和 GAT 是针对特定需求（卷积和注意力机制）的扩展和增强。但由于处理的输入数据类型不同，图神经网络和传统神经网络在细节上仍有显著差异。在图神经网络（GNN）中，GNN、GCN、GAT三者之间的关系与传统神经网络（NN）、卷积神经网络（CNN）、注意力机制（AT）之间的关系有一定的相似性，但并不是完全相同的。

虽然GCN中的信息聚合和聚类算法都涉及到某种形式的信息融合或分组，但它们在本质上是不同的。GCN中的信息聚合是图神经网络的一种操作机制，通过逐层邻居信息的传播和更新来构建节点的特征。而传统聚类算法是一种无监督学习方法，其目的是根据数据点的相似性进行分组。GCN关注的是如何通过图结构的邻接关系传递信息，聚类算法则关注如何通过相似性将数据点划分为不同的类。

卷积核（或过滤器）可以在二维平面（如图像的高度和宽度）上滑动，保持参数共享，减少计算复杂度，进而提取层级结构中的高阶特征。换句话说，GCN 的“卷积核”是在图上进行的，它不再是固定形状的，而是依赖于图的邻接关系。图数据的节点和边之间没有固定的网格结构，因此 CNN 的卷积操作不能直接应用于图上。因此，虽然图卷积神经网络和传统的卷积神经网络之间的操作方式和应用场景有显著差异，但它们共享了通过逐层学习来提取特征的理念。尽管 GCN 处理的是图，而 CNN 处理的是规则的网格，但它们都通过。

在 Python 的神经网络程序（特别是 PyTorch 框架中），是定义神经网络模型的关键部分。

通过将xlrd替换为openpyxl，你不仅可以避免XLRDError，还可以利用openpyxl支持的更多功能，如写入.xlsx文件、修改现有文件等。这样的改动有助于保持你的数据处理流程的稳定性和安全性。

是 NumPy 库中的一个非常有用的函数，它用于寻找数组中的第 k个最小元素的索引，并按此标准对数组元素进行部分排序，但它不会完全排序整个数组。这个函数返回的是数组元素排序后的索引，而不是排序后的元素本身。这使得在处理大数据集时特别有用，尤其是当你需要快速找到一个或多个元素的位置而不关心整个数组的完全排序时。