最近更新

图神经网络：GAT图注意力网络原理和源码解读（tensorflow）

图神经网络：GAT图注意力网络原理和源码解读（tensorflow）

标签：图神经网络，图注意力网络，注意力机制，GAT，tensorflow 本文内容分为三块： GAT原理扫盲 GAT源码阅读（tensorflow） GAT源码链路分析 GAT的GraphSAGE策略实现分析 原理初步理解 （1）从GNN，GCN到GAT 先看个哔哩哔哩视频理解一下，链接地址GAT原理视频链接 GNN学习的是邻居节点聚合到中心的方式，传统的GNN对于邻居节点采用求和/求平均的
人工智能 2025年06月17日
大数据时代修炼数商的重要性

大数据时代修炼数商的重要性

大数据时代的青少年，不仅要注意提升自己的“情商”“智商”，还要修炼自己的“数商”。 数商是什么?数商包括记录数据、整理数据、组织数据、保存数据、搜索数据、洞察娄数据、控制数据等能力，其核心是在不同的时间和地点获得不同数据的能力。 未来的人们，将在数据空间中存在、生活和决策。 不能迷路，在任何时候都要找到最合适的信息和数据，这是最低的要求。 信息和数据是决策的基础，面对不同的信息和
人工智能 2025年06月17日
leetcode-数组中重复的数据

leetcode-数组中重复的数据

给你一个长度为 n 的整数数组 nums ，其中 nums 的所有整数都在范围 [1, n] 内，且每个整数出现 一次 或 两次 。请你找出所有出现 两次 的整数，并以数组形式返回。 你必须设计并实现一个时间复杂度为 O(n) 且仅使用常量额外空间的算法解决此问题。 示例 1： 输入：nums = [4,3,2,7,8,2,3,1] 输出：[2,3] 示例 2： 输入：nums = [1,1,2]
后端 2025年06月17日
Spring Cloud Gateway负载均衡

Spring Cloud Gateway负载均衡

一、Spring Cloud Gateway 我们都知道Spring Cloud Gateway是一个基于Spring Boot、Spring WebFlux、Project Reactor构建的高性能网关，旨在提供简单、高效的API路由。Spring Cloud Gateway基于Netty运行，因此在传统Servlet容器中或者打成war包是不能正常运行的。 二、Spring Cloud Ga
后端 2025年06月17日
使用redis实现分布式锁

使用redis实现分布式锁

几种redis分布式锁实现 一、简单的分布式锁实现 利用下面的命令，实现一个带自动删除的分布式锁 set key value px 毫秒 nx 编写两个lua脚本文件 加锁操作--lock.lua -- 利用set key value px milliseconds nx 命令实现分布式锁 redis.call('set',KEYS[1],ARGV[1],'px',ARGV[2],'nx')
后端 2025年06月17日
leetcode-矩阵置零

leetcode-矩阵置零

    给定一个 m x n 的矩阵，如果一个元素为 0 ，则将其所在行和列的所有元素都设为 0 。请使用 原地 算法。 示例 1： 输入：matrix = [[1,1,1],[1,0,1],[1,1,1]] 输出：[[1,0,1],[0,0,0],[1,0,1]] 示例 2： 输入：matrix = [[0,1,2,0],[3,4,5,2],[1,3,1,5]] 输出：[[0,0,0,0],[
后端 2025年06月17日
基于R语言的微生物群落组成多样性分析——共线性网络分析

基于R语言的微生物群落组成多样性分析——共线性网络分析

    之前有一位粉丝后台留言说能不能出一期有关于共线性网络的文章，说实话，小编之前只在文献中看到过这类图，对于其原理也是迷迷糊糊。看了好多别人写的文章，根据大佬们的思路，我也大致整理了一些代码，希望能对大家有所启发。话不多说，直接上正文吧！ 1、前期准备 rm(list=ls())#clear Global Environment setwd('D:\\桌面\\共线性网络分析')#设置工作路径
人工智能 2025年06月17日
如何给 HDFS 「减肥」之数据清理

如何给 HDFS 「减肥」之数据清理

Hadoop 平台运行至今，前期处于放任自由的状态，后期才开始稍加管控，指定相关数据使用规范。日积月累，数据规模越来越大，元数据暴增，Namenode rpc 频繁超时告警，Namenode HA 切换也较为频繁。 企业的预算不可能无限增加，所以一个良好的平台规范以及定时数据清理机制，对平台的来说至关重要，属于非常实在的降本增效工作。 这里记录下我们组的近期制定的 HDFS「瘦身计划」。 1.
人工智能 2025年06月17日
深度学习&PyTorch 之 DNN-回归

深度学习&PyTorch 之 DNN-回归

前面文章讲了PyTorch的基本原理，本篇正式用PyTorch来进行深度学习的实现。 一、基本流程 PyTorch建模的基本流程如下： graph LR A[数据导入] --> B[数据拆分] B[数据拆分] --> C[Tensor转换] C[Tensor转换] --> D[数据重构] D[数据重构] --> E[模型定义] E[模型定义] --> F[模型训练]
人工智能 2025年06月17日
加载更多