xxai

摘要： 论文信息 论文标题：Contrastive Self-supervised Learning for Graph Classification论文作者：Jiaqi Zeng, Pengtao Xie论文来源：2020, AAAI论文地址：download 论文代码：download 1 Introd 阅读全文

摘要： 论文信息 论文标题：Supervised Contrastive Learning with Structure Inference for Graph Classification论文作者：Hao Jia, Junzhong Ji, Minglong Lei论文来源：2022, ArXiv论文地址 阅读全文

摘要： 论文信息 论文标题：Graph-MLP: Node Classification without Message Passing in Graph论文作者：Yang Hu, Haoxuan You, Zhecan Wang, Zhicheng Wang,Erjin Zhou, Yue Gao论文来源 阅读全文

摘要： Paper Information Title：Fast Multi-Resolution Transformer Fine-tuning for Extreme Multi-label Text ClassificationAuthors：Jiong Zhang, Wei-Cheng Chang, 阅读全文

摘要： 介绍 相对熵（relative entropy），又被称为Kullback-Leibler散度（Kullback-Leibler divergence）或信息散度（information divergence），是两个概率分布（probability distribution）间差异的非对称性度量。 阅读全文

摘要： class torch.optim.Adam(params, lr=0.001, betas=(0.9, 0.999), eps=1e-08, weight_decay=0)参数：params (iterable) – 待优化参数的iterable或者是定义了参数组的dictlr (float, 可 阅读全文

摘要： 随机梯度下降法 $\theta_{t} \leftarrow \theta_{t-1}-\alpha g_{t}$ Code： optimzer = torch.optim.SGD(model.parameters(),lr = 0.001) 权重衰减 $\theta_{t} \leftarrow( 阅读全文

摘要： 1 导入实验所需要的包 import torch import torch.nn as nn import torchvision import torchvision.transforms as transforms import torch.nn.functional as F from tor 阅读全文

摘要： 1、import from numpy / list 方法：torch.from_numpy(ndarray) 常见的初始化有torch.tensor和torch.Tensor 区别： tensor()：通过numpy 或 list 的现有数据初始化 Tensor()： 1、接收数据的维度（，）sh 阅读全文

摘要： torch.flatten() torch.flatten(x) 等于 torch.flatten(x，0) 默认将张量拉成一维的向量，也就是说从第一维开始平坦化，torch.flatten(x，1) 代表从第二维开始平坦化。 Example： import torch x=torch.randn( 阅读全文