大菠菠菠萝-优快云博客

原创 ARM64架构手动编译libtorch，安装MKL/oneDNN加速模型推理，详细流程！

libtorch官方并没有给出ARM64架构的安装文件，在ARM64环境下，libtorch需要手动编译。编译完成后发现模型推理速度太慢，部分原因为手动编译的libtorch没有使用MKL加速工具，安装MKL后重新编译libtorch后，模型的推理速度提高了4-5倍。

2025-01-07 11:47:47 700 3

原创 python 将MP4文件转换M4A在转换成PCM文件格式；绘制时域图。

的名字即可，即使文件夹中包含其他非mp4格式的文件也OK。生成的文件也在 folder_path 文件夹下。这里只介绍了conda虚拟环境安装方法，windows和Linux可以轻松从网上查找。生成的PCM文件也在 folder_path 文件夹下。1、进入你的虚拟环境，"yourname"改成你环境的名字。只需要将 folder_path 更改成你mp4文件所在。只需要将 folder_path 更改成你M4A文件所在。3、pip安装python运行的ffmpeg。2、conda安装ffmpeg。

2024-07-24 11:47:26 394

原创 YOLOV8训练好的torch模型转换成ONNX、OM格式

注意：export中的参数 opset=11，指定导出的ONNX模型版本版本。版本太高可能会在下一步ONNX转 om 时报错！--framework：“5” 表示ONNX格式。--soc_version：你的处理器型号。--model：参数为onnx模型的路径。--output：参数为导出模型的路径。

2024-07-17 17:28:38 2140 5

原创 pytorch库安装

cu121对应cuda12.1版本；torch-2.1.2对应torch2.1.2版本；cp3.8对应python3.8版本。pytorch替换为你的虚拟环境名。

2024-07-11 11:25:19 527 1

原创【论文阅读】《A learnable sampling method for scalable graph neural networks》图神经网络的可学习采样方法

大规模图数据的GNN模型中的节点选择。图神经网络与其他神经网络不同，给定节点的嵌入递归地取决于其所有邻居的嵌入，并且这种依赖性随着层数呈指数增长。这种现象被成为邻居爆炸。目前已经提出的解决方法：node-wise sampling、layer-wise sampling、subgraph sampling。1）固定概率的采样不能保证采样结果是最优的。2）固定概率的采样不能与神经网络的优化更新动态结合。3）泛化能力差。提出一种可学习的采样方法，考虑参数化的采样节点嵌入（包含关于图结构的信息）。

2023-06-25 16:07:17 320 1

原创【论文阅读】FcgFed《Feature-Contrastive Graph Federated Learning: Responsible AI in Graph Information Analy

系统架构由三部分组成：通信器，数据加载器，核心。在每一轮通信中的本地模型训练之后，聚合器将通过对本地模型的参数进行平均来在服务器中生成新的中心模型。指出MOON方法中，旧的局部模型也具有用于FL的良好参数，将旧的局部模型和当前的局部模型视为负对，则旧的局部模型性能被否定，从而不能在局部数据中收敛的问题。再计算矩阵的特征值和特征向量，选择最大的N个特征值及其特征向量。如果基本模型是全连接神经网络，只需对矩阵的权重进行采样即可生成更小的矩阵。图联邦学习中非独立同分布数据造成的局部模型之间的权重差异。

2023-06-21 16:05:58 242 1

原创【论文阅读】Feras:《Federated Graph-based Networks with Shared Embedding》

基于采样的图神经网络框架上的节点嵌入聚合问题。促进主机之间节点嵌入和权重矩阵共享。

2023-06-21 09:18:08 204 1

原创【论文阅读总结】FedGraph: Federated Graph Learning With Intelligent Sampling

1、逐节点相邻采样（a）：为每个节点迭代采样固定数量的邻居（Graphsage、VR-GCN、Cluster-GCN）。且它在一些节点上导致了嵌入计算的冗余（采样得到的节点可能是其他节点的共享邻居）。2、分层重要性采样（b）：基于节点度计算的采样概率，为每个GCN层独立地采样固定数量节点（FastGCN）。弊端：由于不同层的节点是独立采样的，一些采样的节点可能与前一层中的节点没有连接，会降低训练性能。对于小批量中的每个节点，迭代地聚合最多 L-1跳之外的邻居的采样子集的嵌入。：客户端C的采样概率。

2023-06-14 15:30:06 455 1

qq_44362147的博客

原创 ARM64架构手动编译libtorch，安装MKL/oneDNN加速模型推理，详细流程！

原创 python 将MP4文件转换M4A在转换成PCM文件格式；绘制时域图。

原创 YOLOV8训练好的torch模型转换成ONNX、OM格式

原创 pytorch库安装

原创【论文阅读】《A learnable sampling method for scalable graph neural networks》图神经网络的可学习采样方法

原创【论文阅读】FcgFed《Feature-Contrastive Graph Federated Learning: Responsible AI in Graph Information Analy

原创【论文阅读】Feras:《Federated Graph-based Networks with Shared Embedding》

原创【论文阅读总结】FedGraph: Federated Graph Learning With Intelligent Sampling

原创【论文阅读】FedSage：Subgraph federated learning with missing neighbor generation

原创【论文阅读】FedGCN:Convergence and communication tradeoffs in federated training of graph convolutional n

原创 Ubuntu22.04 pytorch-geometric(PyG)安装

原创联邦图机器学习（综述阅读）

空空如也

空空如也