睡不醒的喏喏

在本节我们主要了解以下内容：GCN如何应用到异构图上、知识图谱的节点嵌入模型，主要是利用Embeddings矩阵进行计算。...

在本节我们可以了解到：基础的GNN网络模型/GCN、GraphSAGE、GAT三大模型原理以及区别/ transductive和inductive训练方式区别以及做法...

在本节我们可以了解到：1 PageRank的原理。2 PageRank如何应用到推荐系统上。3 图看成矩阵问题进行求解是所有算法中最关键的想法。...

在本节我们将了解到以下内容：Deepwalk 主要思想是利用随机游走产生序列，当成句子输入到word2vec学习到特征。...

本节对应CS224W的第二个ppt，在本节我们可以了解到如何在节点/边/图层面上提取特征，应用到机器学习上并完成相应的任务...

CS224W讲述的是图在机器学习中的应用问题。本系列是本人对CS224W中的slides的个人解读，仅记录在学习过程中的思考。...

word2vec是一种词嵌入模型，对单词进行one-hot编码得到的序列数据训练，得到$d$维空间上的词向量，从而得到降维的效果。...

本文阐述了线性回归模型原理，损失函数以及对损失函数进行优化的算法。随机梯度下降法和小批量梯度下降法的原理。最后利用pytorch中的张量tensor以及其自动求导机制进行从...

对自我python基础的一些查漏补缺，此文章仅方便自己往后对python基础的一些补充和查询，需要的内容自取。...

对pytorch中的自动求导机制自学理解，自动求导机制是pytorch中的核心功能，其原理是利用的链式法则。...