没想到换个地方配置环境还能解锁新的报错！不愧是你Anaconda！WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by 'ProxyError('Cannot connect to proxy.', timeout('_ss

GAT，作用于图结构数据，采用masked self-attention layers来弥补之前图卷积或类似图卷积方法的缺点。通过堆叠layers，让节点可以添加其邻居的特征，我们就可以给不同的邻居节点不同的权重，而这一步操作不需要使用任何昂贵的矩阵计算（比如求逆矩阵），也不需要依赖对图结构的了解。可以很容易地应用于inductive，transductive 问题（归纳、直推）。

在获取百度语音合成的token的时候遇到的问题：代码参考：https://ai.baidu.com/forum/topic/show/497597报错信息如下：GOROOT=null #gosetupGOPATH=null #gosetupgo.exe build -i -o D:\SOFTware\GoLand\GoProject\go_build_GoProject_.exe . #goset

展示页面https://ai.sogou.com/文档https://ai.sogou.com/doc/?url=/docs/content/tts在网上没找到类似的文件，搜狗的文档写的又很狗（反正非常不初学者友好），因此在此记录。第一步：注册第二步，进入控制台（点击控制台或者注册后用户名部分均可）ps用户名部分就是被我涂的花花绿绿的部分第三步，创建新应用填写完成后，会弹出一个弹...

感觉这里书给的不怎么样orz。

我真的超能鸽????哈哈哈在各种方向上来回摇摆，最后还是老老实实找机器学习来听了（B站学习网站石锤了）https://www.bilibili.com/video/BV1JE411g7XF看评论还不错，就从这里开始吧！笔芯-----------------------------------------------------------------------------------------

如上图，简单图G的顶点集合为V(G)，{u, v, w, z}，边的集合为E(G)，包含：uv, uw, vw, wz在任何简单图中，最多有一条边连接给定的一对顶点。简单图的很多结论可以推广到更general的图中（即使加上环和多重边）图：其中V表示顶点的集合，E是未排序的顶点对的集合，E中的元素即为边。相邻（adjacent）：假设u v是图的两个顶点，若有，则称u v是相邻的，即是图G中的一条

从Ng那里跑路来学NLP了，之前其实ML入门听的就是宝可梦捕获大师（×）的课，目前计划是，本博文作为上面链接所示课程的笔记记录。听完之后会找个项目练一练，然后去听一些更新的技术的介绍，再找个项目练一练。

对于网络中的节点和边来做预测，首先需要做特征工程，把他们变成向量，有了这些向量之后才能输入到后续的机器学习算法当中，继续做下游的预测、分类任务。但是当时表示学习（ML）在图中的应用（如deepwalk、line）的表示能力不够高->无法反应出节点更丰富的特征和更丰富的连接属性。提出node2vec，一个更好的做node embedding的方法。node2vec是使用极大似然估计来实现训练。定义了

id- 每个sample对应的随机标识符seq_scored- (68 in Train and Public Test, 91 in Private Test)int，表示使用预测值进行评分时所使用的位置数。这应该与reactivity、deg_*和*_error_*列的长度相匹配。用于Private Test的分子将比Train和Public Test数据中的分子长，因此此向量的大小将不同。s