七、PATCHY-SAN 7.1 模型 7.1.1 Graph Kernel 7.1.2 PATCHY-SAN a. Node Sequence Selection b. Neighborhood Assembly c. Graph Normalization d. CNN 等价性 e. PATCHY-SAN 架构 f. 算法复杂度 7.2...

七、共轭梯度法 7.1 最速下降法 7.2 共轭梯度法 7.2.1 共轭梯度原理 7.2.2 共轭梯度搜索 7.2.3 共轭梯度算法 7.2.4 共轭梯度算法性质 七、共轭梯度法 7.1 最速下降法 最速下降法是梯度下降法的一个特例：在每次梯度下降时，学习率的选择是使得当前函数值下降最快的那个学习率。 梯度下降法仅仅指明：负梯...

找工作杂谈：你只是看起来很努力 找工作杂谈：你只是看起来很努力 最近找工作之余看了《你只是看起来很努力》，非常喜欢里面的故事，而这些故事仿佛就是自己的折射，倒映着我们的身影，在此分享与君卿共勉，希望能引起你的共鸣。 我们看起来每天熬夜，却只是拿着手机点了无数个赞； 看起来在图书馆坐了一天，却真的只是坐了一天； 看起来买了很多书，只不过晒了个...

八、SDNE 8.1 模型 8.2 实验 8.2.1 网络重建任务 8.2.2 多标签分类任务 8.2.3 链接预测 8.2.4 可视化任务 8.2.5 参数探索 八、SDNE 网络 representation 学习有以下几个主要挑战： 高度非线性 non-linear ：网络的底层结构是高度非线性的，如何设计模型来捕获这种高...

加载模型用于推理或迁移学习 概述 本地加载模型 用于推理验证 用于迁移学习 从Hub加载模型 用于推理验证 用于迁移学习 加载模型用于推理或迁移学习 Linux Ascend GPU CPU 模型加载 初级 中级 高级 概述 在模型训练过程中保存在本地的CheckPoint文件，或从MindSpore Hub 下...

加密和验证 前言 源码 类图 流程图 概念 (1)私钥和公钥 (2)加密货币地址 (3)加密过程 (4)验证过程 实践 总结 参考 加密和验证 前言 加密解密技术在加密货币开发中的作用不言而喻。但技术本身并不是什么新鲜事，重要的是如果没有前面的P2P网络，和后面要介绍的区块链，单独的加解密显然没有那么神奇，加密货币也不会成...

跨多个参数服务器的分片变量 正如我们很快会看到的那样，在分布式设置上训练神经网络时，常见模式是将模型参数存储在一组参数服务器上（即"ps" 作业中的任务），而其他任务则集中在计算上（即 ，"worker" 工作中的任务）。 对于具有数百万参数的大型模型，在多个参数服务器上分割这些参数非常有用，可以降低饱和单个参数服务器网卡的风险。 如果您要将每个变量手动...

张量 Tensor 1. create_tensor 2. create_parameter 3. create_global_var 4. cast 5. concat 6. sums 7. fill_constant 8. assign 9. argmin 10. argmax 11. argsort 12. ones 13. z...

如何发现信息 如何发现信息 你所搜寻的事情的本质决定了你应该如何去寻找它。 如果你需要客观的而且容易辨认的关于具体事物的信息，例如一个软件的最新补丁版本，可以在Internet搜索，礼貌的询问很多的人，或者发起一个讨论组。不要在网上搜索任何带有观点或主观解释的东西：能够抵达真相的概率太低了。 如果你需要“一些主观的普遍知识”，人们对这些东西已有的...

配置优化算法和超参 作业函数配置的基本概念 配置示例 预测配置 训练配置 FAQ 配置优化算法和超参 当搭建好神经网络模型后，需要经过训练才能用来做预测。而训练的过程就是网络模型中的参数被优化的过程，通常采用反向传播算法和指定的 Optimizer 更新参数，本文重点介绍在 OneFlow 中如何设置 Optimizer 和 超参(Hype...