文章目录1. 背景2. 优秀文章3. GCN模型4. GCN模型实现(pytorch 1.60)1. 背景卷积神经网络（CNN）的输入是图片等具有欧几里得结构的图结构，也就是矩阵形式，很容易在其上做卷积操作。而对于图来说，没有一个通用的结构框架，也就是非欧几里得结构Non Euclidean Structure。 在图上没法直接做卷积，那怎么提取图的特征呢？答案是图卷积网络（GCN）GCN，图卷积

方式一，使用requests库import urllibimport requestsfrom bs4 import BeautifulSoup# 第三方包，处理html对象import redef search_google(query):# 爬取网页html源码url = 'https://google.com/search?q=' + urllib.parse.quote(query)hea

参考文献File:Dirichlet.pdf, From Wikipedia, the free encyclopedia画出Dirichlet分布的单纯形图代码import numpy as npimport matplotlibimport matplotlib.pyplot as pltimport matplotlib.tri as trifrom mpl_toolkits.axes_gr

文章目录1. 卷积的数学定义1.1 举例：离散卷积1.2 举例：连续卷积2. 二维离散卷积2.1 二维卷积的简单案例2.2 卷积神经网络中的卷积3. 卷积神经网路3.1 卷积层（特征提取）3.2 池化层（特征压缩）3.3 激活函数3.4 归一化3.5 全连接层3.6 卷积神经网络的前向传播3.7 目标函数与反向传播4. 总结

pycharm老用户都知道，直接输入main就会自动提示if __name__ == '__main__':代码块。但在VS Code中，不行，不过可以手动配置上，方法如下。点击VS Code左下角小齿轮，点击“用户代码片段”在弹出下拉框中选择python，会打开一个配置文件python.json给python.json添加"Print to console"项，修改后如下：{"Print to

情景描述最近在做实验时，想到用多线程来加快对数据集的加载速度。在尝试后总感觉时间依旧很慢，于是查阅资料得知：python多线程是个天坑！Python中的多线程是假的多线程！ 因为Cpython解释器有一个东西叫全局解释器锁（GIL）。在解释器解释执行 Python 代码时，先要得到这把锁，意味着，任何时候只可能有一个线程在执行代码，其它线程要想获得 CPU 执行代码指令，就必须先获得这把锁，如果锁

摘要阿里云盘等众多网盘业务正在被广泛应用，但只能在其软件界面查看且不能编辑。为了更方便的使用网盘，我们可以把网盘映射为本地磁盘，这样就可以从资源管理器中打开网盘，像打开CDEF盘一样方便。方法使用开源工具sharelist（https://github.com/reruin/sharelist）获取网盘的文件结构，然后使用RaiDriver（https://www.raidrive.com/）将其

前言最近在实现模型时需要用到ABAE算法提取语句的aspect，记录一下。该算法在论文《An Unsupervised Neural Attention Model for Aspect Extraction》中被提出。有一篇文章写了比较详细的中文翻译：点击直达。这里是原文作者的代码，用theano和keras写的。然后我使用pytorch复现该代码。代码pytorch实现ABAE模型：https

使用pytorch框架。模型包含13层卷积层、2层池化层、15层全连接层。为什么叠这么多层？玩。FashionMNIST数据集包含训练集6w张图片，测试集1w张图片，每张图片是单通道、大小28×28。import argparseimport torchimport torch.nn as nn# 指定torch.nn别名nnimport torch.optim as optimimport to

已经通过docker容器启动了一个web服务，并在宿主机可以访问http://localhost:8080访问网页。现在想使用phpstorm打断点调试代码。