一、深度学习模型入门1、常见的激活函数二、用Pytorch构建深度学习模型1、深度学习模型框架概览2、PyTorch与其他框架的对比PyTorch:动态计算图Dynamic Computation（像python）Tensorflow:静态计算图Static Computation（像c++）PyTorch代码通俗易懂，非常接近PyTorch原生代码，不会让人感觉是完全在学习一门新的语言。拥有Fa

一种训练集一种算法2.1评估方法【训练集验证集与测试集】testing set测试集的保留方法1.留出法要注意训练集与测试集同分布或者进行多次随机划分，训练出多个模型，最后取平均值2.交叉验证法k折交叉验证缺点：数据量较大时，对算力要求较高。3.自助法原理：即通过自助采样，初始数据集D中约有36.8%的样本未出现在采样数据集D’中。于是我们可以将D’用作训练集，D\D’用作测试集；这样，实际评估的

一、语言模型是衡量一句话的合理性大小的一种表示。链式法则在做语言模型时，往往会遵从下面的一种法则，依据条件概率学，每后面的一个单词是基于前面的单词出现的概率。马尔可夫假设后面的单词往往只基于前面的n个单词，至于n+1,n+2个单词就忽略不计了。语言模型的评价基于神经网络的语言模型(Neural Language Model)循环神经网络(Recurrent Neural Network)训练RNN

CNN、RNN、GNN这么多的神经网络有什么区别和联系？先聊聊什么是神经网络吧我们的目标是打造人工智能，拥有智慧的大脑无疑是最好的模仿对象。人脑中约有860亿个神经元，这被认为是我们能够思考的原因。神经元有一个细胞体和很多突触组成，能处理电信号，并将它们传递到该去的地方，仿照人脑神经元和工作原理，人们构建了神经网络，一个由节点连接而成的网，我们同样会称呼这些节点为神经元，不过它是一个抽象概念，大部

定义：包含不同类型节点和链接的异构图像下面这个例子，是一个电影、导演和演员的异构图。第一个异构图的算法异构图图注意力机制Heterogeneous Graph Attention Networks首先看一下作者给的异构图的定义Node-level attention（节点级别的attention）通过meta-path:Movie-Director-Movie得到一个同构图，根据终结者的邻居节点（

1.Grafana是什么？Grafana是一个开源的数据可视化平台，支持当前几乎所有（30+）的主流的数据库（包括开源或者商业化的数据库）通过接入各种数据源，就可以快速地查询和可视化数据。2.Grafana能为我们做什么？Grafana能够将各种数据源的数据混合在同一个仪表盘中完美的展现出来，以便我们能更好地理解当前数据指标，培养团队数据驱动型文化。3.Grafana常用数据源有哪些？常用的数据源