不染心的博客

这篇博客主要讲述使用千帆免费的大模型接口+简单的html页面创建一个AI问答机器人

官网：https://agents.baidu.com/平台简介：https://agents.baidu.com/docs/部分内容由AI生成，注意甄别AI应用，即人工智能应用，是利用人工智能技术（包括机器学习、深度学习、自然语言处理等）开发的软件或服务。这些应用能够模拟、延伸和扩展人类的智能，以解决复杂问题、提高工作效率、优化决策过程，并为用户提供更加个性化的体验。

相比于简单的文本和图像，这种网络类型的非结构化的数据非常复杂，处理它的难点包括：那么对于这类数据我们该如何建模呢？能否将深度学习进行扩展使得能够建模该类数据呢？这些问题促使了图神经网络的出现与发展。当然，其实GCN的缺点也是很显然易见的，第一，GCN需要将整个图放到内存和显存，这将非常耗内存和显存，处理不了大图；第二，GCN在训练时需要知道整个图的结构信息(包括待预测的节点), 这在现实某些任务中也不能实现(比如用今天训练的图模型预测明天的数据，那么明天的节点是拿不到的)。GCN四个特征：关于GCN常见问题

阿里妹导读：你是否也曾遇到类似的情况——差5块钱就能包邮，跨店满400减50就少20怎么办？凑单作为购物券导购链路的一个重要环节，旨在帮助你找到合适的商品。如何在凑单场景突破找相似、发现惊喜的同时做到成交翻倍，实现体验和数据上的双赢？今天我们一起来破解。一、背景凑单作为购物券导购链路的一个重要环节，旨在帮助用户找到商品，达成某个满减门槛（比如满400减50），完成跨店凑单，完善购物券整个链路的体验。满减购物券作为大促中使用最广泛的一种营销手段，优势远大于红包、商品打折等优...

GCN cora-network可视化一、源码下载Github下载地址：https://github.com/tkipf/gcn您可以在以下模型之间进行选择：gcn：图卷积网络gcn_cheby：图卷积网络的Chebyshev多项式版本dense：支持稀疏输入的基本多层感知器框架还支持对每个具有邻接矩阵的多个图实例（可能具有不同的大小）进行批量分类。最好将各个特征矩阵连接起来，并建立一个（稀疏的）块对角矩阵，其中每个块对应一个图实例的邻接矩阵。对于池化（对于图级输出而不是节点级输出），