<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[shichongx的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/shichongx</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; shichongx]]></copyright><item><title><![CDATA[深度学习好像有两个不同的理解框架：]]></title><link>https://blog.youkuaiyun.com/shichongx/article/details/124780582</link><guid>https://blog.youkuaiyun.com/shichongx/article/details/124780582</guid><author>shichongx</author><pubDate>Sun, 15 May 2022 12:14:44 +0800</pubDate><description><![CDATA[深度学习好像有两个不同的理解框架：



一种是，继承自传统的机器学习的框架，其核心观点就是分布，比如传统的贝叶斯分类器就是基于分布的。机器学习的正是这样一个抽象的分布。自然界中凡是呈现一定规律性或者模式（pattern）的事物，数据，都可以用一种分布来给他建模，分布的框架可以为很多形式的规律和pattern进行建模，这些规律和pattern可以不必一一对应。所以，自然界中凡是呈现出规律，或者分布的数据问题，深度学习都可以胜任。比如说马赛克复原。这种分布的框架，还有另外一个称谓，那就是流型学习，流型学习本质]]></description><category></category></item><item><title><![CDATA[什么时候用类定义功能，什么时候用函数？-----经验记录]]></title><link>https://blog.youkuaiyun.com/shichongx/article/details/124233901</link><guid>https://blog.youkuaiyun.com/shichongx/article/details/124233901</guid><author>shichongx</author><pubDate>Sun, 17 Apr 2022 18:32:24 +0800</pubDate><description><![CDATA[看最终获得的数据结构

如果最终需要获得的数据，具有属性调用的功能，或者封装有简单的方法，则只能用类来实现功能。

如果最终获得的数据，并没有属性调用的功能要求，也没有自身封装方法的需要，就用函数定义就好啦。


...]]></description><category></category></item><item><title><![CDATA[获取图数据集的InMemoryDataset和Dataset]]></title><link>https://blog.youkuaiyun.com/shichongx/article/details/124084229</link><guid>https://blog.youkuaiyun.com/shichongx/article/details/124084229</guid><author>shichongx</author><pubDate>Mon, 11 Apr 2022 09:43:48 +0800</pubDate><description><![CDATA[InMemoryDataset

目标：把图样本数据变成Data对象，获得Data对象的list，并且使用collate()方法合并成一个大的Data对象，获得其中的Data和slice属性；

输入：Data对象的list作为原始数据

结果：得到一个大的Data对象



Dataset

目标：获得两个属性，一个是样本数len，另外一个是获取每个样本，也就是变成map—style数据；这里是下标对样本的map是通过样本名带有序号来实现的，这个map函数就是文件加载函数load()；

输入：Data对]]></description><category></category></item><item><title><![CDATA[torch_geometric.data.Data的学习]]></title><link>https://blog.youkuaiyun.com/shichongx/article/details/124078353</link><guid>https://blog.youkuaiyun.com/shichongx/article/details/124078353</guid><author>shichongx</author><pubDate>Sun, 10 Apr 2022 15:14:22 +0800</pubDate><description><![CDATA[功能：图数据的构造器，采用的是COO的格式构造的图数据（坐标的格式），这是后续torch_geometric相应的图处理包可以处理的数据结构

导入包：


from torch_geometric.data import Data

输入参数Arg：

x：表示图所有节点的特征，维度是[Num_nodes, node_feature_dimension] 数据类型可以是dtype=float

edge_index：表示边的索引，注意这里描述的边仅仅是连接关系，不包含边权重的信息的，边的权重信息要通过另外]]></description><category></category></item></channel></rss>