qq_44400759的博客

8 CTRL+SHIFT+F4 关闭活动的运行/消息/查找等窗口。15 CTRL+SHIFT+[ 从当前位置选择到代码块的开始。16 CTRL+SHIFT+] 从当前位置选择到代码块的结束。32 CTRL+SHIFT+NUMPAD+ 所有代码块展开叠。33 CTRL+SHIFT+NUMPAD- 所有代码块折叠。5 CTRL+SHIFT+F10 运行当前编辑区的程序文件。14 CTRL+SHIFT+W 逐步取消选择代码（块）31 CTRL+NUMPAD+/- 代码块展开/折叠。

conda是一个跨平台的通用包和环境管理器，除了支持python外，还能安装其他语言的包。5、去pytorch官网找到对应的安装命令（还有一种方法可以不去官网，转序号7）但是指定python版本为3.9的时候，会自动通过清华源镜像进行安装；实例：创建一个pytorch环境，指定python版本为3.9版本。下载之后放在桌面文件夹，或者任意创建一个文件夹记住路径即可。1、首先下载Anaconda，官网下载即可，打开如下选项，例如，移除我刚才创建的pytorch环境。3、创建环境之后，激活环境。

batch size的大小影响的是训练过程中的完成每个epoch所需的时间和每次迭代(iteration)之间梯度的平滑程度。在不限内存的情况，应当用大点的batch_size, 进行模型优化，稳且快。在内存有限的情况下，减小batch_size的情况下应该相应减小的是learning_rate, 至于epoch怎么调，你就需要综合看你的loss下降情况与验证集的指标情况了。Batch_size:它的大小影响模型的优化程度和速度，直接影响到GPU内存的使用情况，GPU内存不大，数值最好设置小一点。

ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。因为我的cpu跑不了，在linux服务器端进行部署。前提是conda已经安装并配置好，因为我的已经搞好，就不是从最初开始，但是网上有很多配置方法，操作起来也不是太难。这里提供一些其他博主的安装和配置方法;使用anaconda创建虚拟环境。

上的，称为，用于推断新的微生物-药物相关联。模型建立在微生物和药物的异构网络上，通过。在每一层上嵌入特征来分别计算核矩阵，并基于平均加权方法融合多个核矩阵。最后，使用对偶拉普拉斯正则最小二乘法通过微生物和药物空间中的组合核来推断新的微生物-药物关联。

了解蛋白质和核酸之间的相互作用是理解各种生物活性和设计新药的基础。如何准确识别核酸结合残基仍然是一项具有挑战性的任务。在本文中，我们提出了一种精确的预测因子GraphBind，用于基于端到端图神经网络识别蛋白质上的核酸结合残基。考虑到结合位点在局部三级结构上通常表现为高度保守的模式，我们首先基于目标残基的结构上下文及其空间邻域来构建图。然后，使用层次图神经网络（HGNN）嵌入结构和生物物理化学特征的潜在局部模式，用于结合残基识别。我们在DNA/RNA基准数据集上全面评估GraphBind。

虽然人工智能改变了语言翻译、语音识别和自然图像识别等领域，但是医学方面相较于其他领域落后。很大一部分原因是因为复杂性和高维性，数据中包含大量独特的特征和信号，开发和验证适用于不同人群的解决方案面临技术挑战。随着基因测序等成本降低，数据采集、聚合和分析的能力也有所提高。医学方面的诊断、预后评估和决定方案处理来自多种来源和方式的数据，多模态人工智能模型开发融合了跨膜态数据，包括生物传感器、遗传、蛋白质组学等。该文概述了已经启用的关键应用，以及技术和分析方面的挑战。

假设考虑二阶，这个真的很清晰。如果要采样的邻居节点多的话要选择舍弃。全图计算，图大的时候，计算难或者不能计算。总结方法来自站望舒同学up主。融合边的权重是固定的。step1：邻居采样。

图中节点拿到它一、二跳邻居的信息，网络层数就是2，为了更新红色节点，首先在第一层将蓝色节点的信息聚合到红色节点上，将绿色节点的信息聚合到蓝色节点上。GraphSAGE是一个Inductive Learning框架：训练时它仅仅保留训练样本到训练样本的边，包含Sample和Aggregate两大步骤，Sample是指如何对邻居的个数进行采样，Aggregate是指拿到邻居节点的embedding之后如何汇聚这些embedding更新自己的embedding信息。GCN在训练的时候需要知道整个图的结构信息。