兀坐晴窗独饮茶

前言保存一些latex有用的文章列表期刊bibitem格式参考文献批量生成

参考文章https://zhuanlan.zhihu.com/p/378474516代码示例def train(args): # 获取训练数据 datasets = pre_process() data = datasets[0].to(device) # 定义模型 model = GAT(datasets.num_features, datasets.num_classes, [200, 100]).to(device) # 定义损失函数

Task1 初识matplotlib本章节知识点导入模块: import matplotlib.pyplot as plt/import numpy as np定义图像窗口：plt.figure()画图：plt.plot(x,y)定义坐标轴范围：plt.xlim()/plt.ylim()定义坐标轴名称：plt.xlabel()/plt.ylabel()定义坐标轴刻度及名称：plt.xticks()/plt.yticks()设置图像边框颜色：ax = plt.gca() / ax.spin

Task1 初识matplotlib本章节知识点导入模块: import matplotlib.pyplot as plt/import numpy as np定义图像窗口：plt.figure()画图：plt.plot(x,y)定义坐标轴范围：plt.xlim()/plt.ylim()定义坐标轴名称：plt.xlabel()/plt.ylabel()定义坐标轴刻度及名称：plt.xticks()/plt.yticks()设置图像边框颜色：ax = plt.gca() / ax.spin

文章目录前言一、数据读取二、数据转换1. Pandas读取json数据2. Json数据转换为XML数据3. 保存XML数据总结前言一、数据读取二、数据转换1. Pandas读取json数据2. Json数据转换为XML数据3. 保存XML数据总结...

参考文章 : https://www.cnblogs.com/klb561/p/10085328.htmlPython 读取 Yaml 文件示例 :# -*- coding: utf-8 -*-# @Time : 2022/4/11 18:49# @Author : 王天赐# @Email : 15565946702@163.com# @File : config.py# @Software: PyCharmimport yaml# 参考 : https://www

解决每次启动Python文件都使用 Python Console的问题, 如下图在模板里取消勾选即可

文章目录1. PytorchTensor Base1.1 torch.tensor1.2 torch.Tensor1.3 torch.empty1.4 torch.zeros1.5 torch.zeros_like1.6 torch.eye1.7 torch.ones1.8 torch.ones_like1.9 torch.rand1.10 torch.arange1.11 torch.linspace1.12 torch.normal1.13 tensor.uniform_1.14 torch.randp

说明所有内容参考日月光华 老师的安装的PDF安装视频参考 : https://www.bilibili.com/video/BV1PV411U7vc课程 https://study.163.com/course/introduction/1004573006.htm如果需要使用GPU,请先安装 CUDA和cudnn参考文章 CUDA 和 cudnn的安装 1.安装环境要求1.1 以下 64 位系统支持 TensorFlow：Ubuntu 16.04 或更高版本Windows 7 或更

参考https://blog.youkuaiyun.com/weixin_44170512/article/details/103990592CUDA 和 TF的版本匹配(在最下面) : https://www.tensorflow.org/install/source_windows准备步骤最新版本的TensorFlow2.1.0匹配的是10.1版本的CUDA Toolkit 建议用迅雷下载CUDA下载地址 :https://developer.nvidia.com/compute/cuda

1. 新建虚拟环境2. 打开虚拟环境的终端3. 安装 TF2.0 以及相关依赖包执行pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scipy matplotlib numpy Pillow requests flask flaskrestful tensorflow==2.0.0b1命令安装 tf2.0安装包以及相关...

1.conda安装conda_nb:执行下面的命令 :conda install nb_conda2. 创建虚拟环境可以直接在 anaconda 里面创建 或者使用命令创建conda create -n tensorflow python = x.x(python版本)activate tensorflow3. 安装ipykernel模块单击鼠标左键 打开然后执行 c...

1. inplace和广播机制in-place 操作就地操作, 不适用临时变量, 比如 a.add_(b) = a + b => 计算结果直接赋值给 a 等价于 a += b广播机制张量参数可以自动的扩展为相同的大小广播机制满足的条件每个张量至少有一个维度满足右对齐 :例如 torch.rand(2,1,1) 和 torch.rand(3) , 如果维度的最后一个维度, 比如 torch.rand(2,1,1) 最后一个是1, torch.rand(3)最后一个维度是3满

文章目录TextCNN模型结构卷积操作在文本上的应用数据源定义数据embedding卷积层操作池化层操作全连接层完整代码TextCNN模型结构卷积操作在文本上的应用数据源定义数据为 128 * 30 的文本转索引的数据 即 128行, 单个句子为30个词的文本即 batch_size = 128 和 max_seq_len = 30数据embeddingnum_embeddings : 文本中所有不重复单词的个数embedding层会生成 num_embeddings * em

Data类——PyG中图的表示及其使用torch_geometric.data.DataPyG-01 数据预处理-torch_geometric.data.Data# Data类的构造函数class Data(object): def __init__(self, x=None, edge_index=None, edge_attr=None, y=None, **kwargs): pass从上面代码可以看到 :x (Tensor, optional): 节点属

1. torch_geometric 环境搭建No module named torch_sparse, 及pytorch-geometric安装pytorch-geometric-whl图神经网络库PyTorch geometric（PYG）零基础上手教程找到自己对应的版本即可我的 CUDA版本 : 10.2Pytorch版本 : 1.10.0根据具体情况选择版本pip install torch-scatter==2.0.9 -f https://pytorch-geome

.theme-dark{ --gray-1: #5C6370; --gray-2: #abb2bf; --red: #e06c75; --red-1: #d05a63; --orange: #d19a66; --green: #b6e296; --darkgreen: #399a58; --aqua: #56b6c2; --purple: #c678dd; --blue: #9dcffc; --darkblue: #4889df; --yellow: #e.

1. 图的基础知识1.1 中心性1.1.1 度中心性度中心性的计算公式度中心性=Ndegreen−1度中心性 = \dfrac{N_{degree}}{n - 1}度中心性=n−1Ndegree​​NdegreeN_{degree}Ndegree​ 是指当前节点的度n 是指节点数1.1.2 特征向量中心性特征向量中心性特征向量中心性不仅仅考虑当前节点的度还考虑了和它相邻节点的度1.1.3 中介中心性中介中心性Betweeness=其他节点经过该节点的最短

常用网站arxiv每日学术速递dblparxivGithub仓库https://github.com/MLNLP-World/Top-AI-Conferences-Paper-with-Code该存储库是具有开放资源代码的 AI 顶级会议论文（例如 ACL,EMNLP、NAACL、COLING、AAAI、IJCAI、ICLR、NeurIPS 和 ICML）的集合QA :1. 如何查找英文的综述？方法1 : 看标题，综述性文章一般在标题就会出现 review或者survey这

import tensorflow as tftf.__version__'2.3.0'1. 创建 tensortensor 是存储和变换数据的主要工具, tensor 和 Numpy 的多维数组比较类似, 但是 tensor 可以提供 GPU 计算和自动求梯度等功能# 创建行向量x = tf.constant(range(12))x<tf.Tensor: shape=(12,), dtype=int32, numpy=array([ 0, 1, 2, 3, 4,

1. Tensorflow 基础数据类型基础数据类型tf.constanttf.stringtf.ragged.constant, tf.SpareTensor, tf.Variable自定义损失函数tf.reduce_mean自定义层次keras.layers.lambda继承法TF.functiontf.functiontf.autograph.to_codeget_concrete_functionGraphDefget_operations

import tensorflow as tfimport numpy as nptf.__version__'2.3.0'1. 自动求梯度简介在深度学习中，我们经常需要对函数求梯度（gradient）。本节将介绍如何使用tensorflow2.0提供的GradientTape来自动求梯度。GradientTape 可以理解为“梯度流 记录磁带”：在记录阶段：记录被 GradientTape 包裹的运算过程中，依赖于 source node （被 watch “监视”的变量）的关系

1. 停用词下载NLTK : https://www.nltk.org/data.html停用词下载地址 : http://www.nltk.org/nltk_data/2. 安装将下载后的 stopwords 放在虚拟环境的指定位置, nltk_data 和 corpora 是需要自己创建的3. 使用下载器下载这种方法很多时候是不能用的, 因为网络原因, 更换网络或者用自己手机热点多试几次, 不行的话就使用上面的手动下载的方式...

1. 线性回归的从零开始实现本节将介绍如何只利用Tensor和GradientTape来实现一个线性回归的训练。首先，导入本节中实验所需的包或模块，其中的matplotlib包可用于作图，且设置成嵌入显示。%matplotlib inlineimport tensorflow as tfprint(tf.__version__)from matplotlib import pyplot as pltimport random2.3.02. 生成数据集我们构造一个简单的人工训练数

目录前言DataSetDataLoader数据构建1. 创建Dataset 类 :sparkles:2. 读取数据 :ambulance:3. 返回数据 :zap:读取数据 :art:注意细节 :rocket:对比实验前言????本章节主要介绍如何使用torch.utils.data 中的Dataset和Dataloader来构建数据集, 重点要看使用细节DataSettorch.utils.data.Dataset功能 : Dataset抽象;类, 所有自定义的Dataset都需要继

梯度参考文章梯度消失、梯度爆炸及其表现和解决方法梯度弥散梯度弥散（梯度消失）: 通常神经网络所用的激活函数是sigmoid函数，sigmod函数容易引起梯度弥散。 这个函数能将负无穷到正无穷的数映射到0和1之间，并且对这个函数求导的结果是f′(x)=f(x)(1−f(x))f′(x)=f(x)(1−f(x)) \\f′(x)=f(x)(1−f(x))表示两个0到1之间的数相乘，得到的结果就会变得很小了梯度爆炸...

参考文章深度学习笔记——常用的激活（激励）函数深度学习: 激活函数 (Activation Functions)常用激活函数介绍

1. Pytorch编程技巧1.1 Pytorch模型的使用torch.saves(state, dir)保存/序列化torch.load(dir)加载模型1.2 Pytorch并行化操作torch.get num threads():获得用于并行化CPU操作的OpenMP线程数torch.set_ num threads(int):设定用于并行化CPU操作的OpenMP线程数1.3 Tensor的相关配置torch.is_ tensor()如

文章目录1. Pytorch的统计学函数1.1 均值与最大最小值1.2 方差与众数2. Pytorch与分布函数3. Pytorch与随机抽样4. Pytorch的范数运算5. Tensor的矩阵分解6. Tensor的张量裁剪7. Tensor的索引与数据筛选7.1 torch.where7.2 torch.index_select7.3 torch.gather7.4 torch.masked_index7.5 torch.take7.6 torch.nonzero8. 张量的组合与拼接8.1 torc

1. jieba 中文分词处理import jiebatext = "大部分情况下，词汇是我们对句子和文章理解的基础，因此需要一个工具去把完整的文本中分解成粒度更细的词。"cut_result = jieba.cut(text, cut_all=True) # 全模式print(cut_result)print("\n全模式 : " + "/ ".join(cut_result))cut_result = jieba.cut(text, cut_all=False) # 精确模式pr