通常神经网络的输入是图片、字符或是声音信号，GNN的输入是图，这里的图并非是指图片，而是由节点和边组成的图。图中的节点代表了实体，包含了它们的属性，边则描述了实体之间的关系，知识图谱就是这样一张图。我们为什么需要图神经网络，与图片、语音、文字相比，图能表达的内容实在是太广泛了，大到社交网络中人与人之间的关系，小到化学分子的结构组成，现实生活中的地铁网络，包含器件布线的电路图，都可以是GNN的计算对

第一章 概述1.机器学习定义2.机器学习与人工智能的区别人工智能是最初始的理论体系，是一门科学。机器学习是人工智能的计算方法，包含Logistic，SVM，决策树，贝叶斯方法等。表示学习是机器学习中研究如何得到一个好的表示，从而使后续的模型学习更容易，浅层自编码机就是其中的一种方法。深度学习目前我们进行大数据机器学习的主要方法，多层感知机就是深度学习的一种，还包括卷积神经网络，深度循环网络，深度Q

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

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

我的环境是python3.7，直接用下面的命令安装不了。pip install pyltp在网上找了各种方法，要不就是要换成python3.5或者python3.6的版本然后才能安装。我比较懒，不想在电脑上安装多python环境。下载pyltp-0.2.1-cp37-cp37m-win_amd64.whl文件然后，将pyltp-0.2.1-cp37-cp37m-win_amd64.whl文件复制到

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