在参加本次组队学习之前,本人一直相对图神经网络有系统的学习,但是由于种种原因未能如愿。近年来,一直关注Datawhale的内容,正好有图神经的组队学习,于是就报名了。经过20多天的艰苦学习,在实验室有诸多的任务的情况下,仍在坚持完成组队学习的各项内容。通过Datawhale的组队学习,收获如下:
(1)对图深度学习有基本的认识,对图论知识、图分类、图预测等有初了解。
(2)熟悉了PyG库的安装和使用,并在colab和linux上完成相关的作业。在完成过程中,遇到诸多的困难,但是在小组成员和助教的帮助下顺利解决问题。
(3)学习GCN和GAT在图神经网络的表征中的应用,掌握了使用PyG自带的数据集和构造数据集的过程。
(4)对超大图的节点表征进行学习,虽然最后由于内存容量的限制和colab的运行时间的限制,程序运行未能达到预期的效果,但是仍然收获良多。
(5)学习了基于图表征学习的图预测任务。
这次组队学习依托Datawhale平台,在陈荣钦、周郴莲、戴治旭和刘洋等的精心组织下完成的。课程内容的学习、实验设计和答疑都做的非常好。通过这次组队学习,对图神经网络有了初步的认识,要想达到学术的目的,还需要认真阅读文献和代码。
相关推荐
从CORDIC到DDS:手把手拆解《Verilog传奇》第9章的实战项目(附可跑通的代码)
本文详细解析了如何从CORDIC算法到DDS系统的完整实现过程,基于《Verilog传奇》第9章的实战项目,提供了可运行的Verilog代码。内容涵盖CORDIC算法的硬件实现、DDS系统架构设计、完整系统集成与验证,以及实际部署中的性能调优技巧,适合数字IC和FPGA开发者深入学习。
【Whalepaper】NLP论文研读 - Keyword-Attentive Deep Semantic Matching
Whalepaper是由周郴莲负责的一个每周分享论文的活动,带你研读AI领域的论文,快来一起开源学术科研吧! NLP 论文分享:每周日 晚上 九点 CV 论文分享: 每周日 晚上 九点 Res 论文分享:每周六 晚上 九点半 欢迎对paper感兴趣的人加入我们的分享啊!!! 分享人:谢文睿,Datawhale成员,南瓜书作者 论文标题:Keyword-Attentive Deep Semantic Matching 论文摘要:Semantic Matching 推荐理由:微信团队提出的短文本匹配模型
S4 Hana SD -信贷管理 - 02
在S4版本中,客户的信用管理数据在事务代码BP维护,业务伙伴角色是UKM000。在维护过程中,我们并不能直接输入信贷控制范围这个组织架构,而是需要输入一个信用段,并且在信用段的维度下去维护相应信用管理数据。对于信用段,可以分为主信用段(信用段是0000)和其他临时信用段,我们可以通过配置把次级信用段的客户信贷负债汇总到主信用段。当然,在后台也有配置,会把信用段和信贷控制范围这两者进行关联.3.2SPROIMG > 财务供应链管理 > 信用管理 > 信贷风险监视 > 主数据 > 创建信用段。
查找算法常见的五大面试知识点与两类实战!
↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale干货作者:周郴莲,东北石油大学,Datawhale优秀学习者前言查找...
I2C通信协议SCL与SDA引脚特性:核心要点总结
深入讲解I2C通信协议中SCL和SDA引脚的工作机制与电气特性,帮助理解i2c通信协议的稳定传输原理,掌握上拉电阻配置与信号时序控制要点。
2.4G板载PCB IFA天线仿真设计
本文简单介绍下2.4GHz的板载PCB IFA天线的HFSS仿真与设计。
【Whalepaper】CV论文研读 - Involution内卷:超越Convolution的新算子
Whalepaper是由周郴莲负责的一个每周分享论文的活动,带你研读AI领域的论文,快来一起开源学术科研吧! NLP 论文分享:每周日 晚上 九点 CV 论文分享: 每周日 晚上 九点 Res 论文分享:每周六 晚上 九点半 欢迎对paper感兴趣的人加入我们的分享啊!!! 分享人:王立杰,算法工程师 论文标题:Involution: Inverting the Inherence of Convolution for Visual Recognition 摘要:involution,通用网络算子
用LTspice仿真CMOS反相器功耗?这份避坑指南能省你3天调试时间
本文详细介绍了如何使用LTspice准确仿真CMOS反相器的功耗,包括动态功耗、短路功耗和静态功耗的测量技巧。通过工程实践指南,帮助电子工程师避开常见陷阱,优化仿真参数设置,提升仿真结果的可靠性,节省调试时间。
组队学习-图神经网络 Taks 05
尝试将数据集切分成不同数量的簇进行实验,然后观察结果并进行比较。 1、设置num_parts=1500 cluster_data = ClusterData(data, num_parts=1500, recursive=False, save_dir=dataset.processed_dir) train_loader = ClusterLoader(cluster_data, batch_size=20, shuffle=True, ..
ue4 classuobject没有成员beginplay_【教程】UE4 C++实现简单的AI及遇到的坑
后续文章更新移步→微信公众号“虚幻社区”(mantra-xhsq),您的支持是我创作的动力。我们这篇文章的宗旨是用代码实现简单的AI,有多简单,只是搭建一个具有PawnSensing组件和回调的AI。重点也不是做一个AI,而是了解一下C++代码如何搭建最基本的AI(关于蓝图如何创建请自行百度)。如果英语还不错的话,可以移步 参考链接,链接中的内容除了创建基本的PawnSensing组件还有关于行为...
122、Android Camera HAL3 框架:Request、Result、Metadata 的异步管道模型
本文深入剖析了Android Camera HAL3框架中的异步管道模型,围绕Request、Result和Metadata三个核心要素展开。作者通过实际案例(黑屏闪退问题)切入,揭示了异步模型中常见的帧序错乱陷阱。文章详细阐释了三个角色的交互机制,指出HAL3采用生产者-消费者模式的关键特征:Request与Result一一对应但不保证顺序。针对开发实践,总结了三个必须加锁的场景和回调函数的锁使用禁忌,并给出解决帧序问题的具体方案(独立帧号生成器)。最后提出五项经验性建议,强调异步模型带来的灵活性与复杂性
Datawhale组队学习周报(第026周)
文章目录已经结营的开源内容即将结营的开源内容正在进行的开源项目九月排期的开源内容每周号外Whalepaper 招新公告 本文总结了本周(08月09日~08月15日)Datawhale组队学习的运行情况,我们一直秉承“与学习者一起成长的理念”,希望这个活动能够让更多的学习者受益。 第 25 期组队学习一共有 3 门开源课程,共组建了 3 个学习群,参与的学习者有 292 人,其中 web开发入门教程、数据挖掘实战(异常检测) 已经结营,集成学习(下)也在结营筹划中。 第 26 期组队学习一共有 5 门开源课程
52、基于格的具有解密密钥暴露抗性的可撤销(分层)身份基加密方案
本文提出了首个基于格的具有解密密钥暴露抗性(DKER)的可撤销分层身份基加密(RHIBE)方案。通过引入分层密文、分层解密密钥和级别转换密钥等创新工具,克服了格结构与传统密钥重新随机化属性不匹配的难题。该方案不仅支持可扩展的密钥撤销机制,还具备密钥委托功能,为后量子密码学领域的发展提供了新的思路和方法。
【组队学习】【36期】组队学习内容详情
第36期 Datawhale 组队学习活动马上就要开始啦(04月09日开营)! 本次组队学习的内容为: 交大ACM算法课(C++) 青少年编程:Python一级 青少年编程:Scratch四级 大家可以根据我们的开源内容进行自学,也可以加入我们的组队学习一起来学。 1. 交大ACM算法课(C++) 航路开辟者:伯禹教育 领航员:吕豪杰、叶前坤、孙博腾、何锋丽、张腾飞、韩可航、韩江雪 航海士:赵子一、于沼懿、陈伟峰、孙昌慧、李小山、汪超、李牧轩、江玲新、孙超、吴昌广、光城、陈可为、胡锐锋、梁家晖、陈煜
C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片
基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正
STM32F407中文手册
STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。
新学期组队学习计划
前言吃喝睡是不可能的,唯有学习才能让我的心灵充实,才能让我的灵魂得到解脱升华。事不宜迟,来看看有哪些内容吧。(tips:黄色是史莱姆级,蓝色是哥布林级,红色是大魔王级哦。...
怀旧版电脑GBC模拟器
再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。
组队学习
IEM模型,地表粗糙度模拟
利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟
【组队学习】【25期】Web开发入门教程
Web开发入门教程 开源内容: https://github.com/datawhalechina/whale-web 基本信息 贡献人员:张梁、王晓亮、何锋丽、张少波、谢文昕 学习周期:16天 学习形式:自学 + 实操 + 交流 人群定位:有一定编程基础的同学,有实际开发经验更佳。 难度系数:中 学习目标 本课程设计的内容分别完成环境的搭建、架构的理解、需求和交互的对齐、前后端开发、联调与测试、到最终的上线发布。让参与学习的小伙伴对公司的项目开发流程有一个初步的了解,同时也让大家了解目前常用的前后端开
暑期组队学习计划
Datawhale暑期组队学习计划马上就要开始啦这次共组织15个组队学习涵盖了AI领域从理论知识到动手实践的内容按照下面给出的最完备学习路线分类难度系数分为低、中、高三档...
十月组队学习!
↑↑↑关注后"星标"Datawhale每日干货&每月组队学习,不错过Datawhale学习开源贡献:Datawhale团队本月组队学习,包含Numpy入门...
推荐系统组队学习、简介
推荐系统简介核心内容:常用评测指标召回 核心内容: 协同过滤算法: 包括基于用户的协同过滤(UserCF)和基于商品的协同过滤(ItemCF),这是入门推荐系统的人必看的内容,因为这些算法可以让初学者更加容易的理解推荐算法的思想。 矩阵分解算法: 矩阵分解算法通过引入了隐向量的概念,加强了模型处理稀疏矩阵的能力,也为后续深度学习推荐系统算法中Embedding的使用打下了基础。 FM(Factorization Machines): 该算法属于对逻辑回归(LR)算法应用在推荐系统上的一个改进,在LR模
胡锐锋:组队学习分享(队长)
组队学习分享(队长) 自我介绍 胡锐锋,现为Datawhale成员,目前担任《统计学习方法习题解答》开源项目的负责人,已工作近8年,由大数据平台研发工程师转变成一位项目管理人。我的人生目标是让未来的孩子们少走弯路。 我与组队学习 自从去年(2020年)12月参加Pandas课程,目前已参加完成9期的组队学习( https://relph1119.github.io/my-team-learning ),其中担任了7期的队长(船长)。本期(2021年10月)树模型与集成学习,也担任了队长(船长)。 先讲回我第
【集成学习-组队学习】导论
从机器学习算法本身来看,可分为监督学习、非监督学习、半监督学习、增强学习。 针对于本次自学的内容,主要以回归、分类的集成学习问题为主,因此主要学习监督学习: 监督学习:给机器的训练数据拥有标记或标签的学习方式是监督学习。监督学习主要处理分类、回归问题,最常见的监督学习算法主要有以下几种: 1. 朴素贝叶斯(Naive Bayes Classifier) 朴素贝叶斯算法(NBC) 是应用最为广泛的分类算法之一。NBC假设了数据集属性之间是相互独立的,常用于文本分类。 2. 决策树(Decision Tree
四月组队学习
Datawhale学习主办:Datawhale,人民邮电出版社异步社区寄语:本次组队学习涵盖了机器学习算法、计算机视觉、Pandas、爬虫编程实践四个模块的内容。第十期:Datawh...
413



被折叠的 条评论
为什么被折叠?



