摘要：
前向的时间步是随机选择的 是的，在你的代码中，时间步数确实是固定为 200 步的。 具体说明： self.timesteps = 200 你在 Diffusion_Cond 类的初始化方法中将时间步数 timesteps 设置为 200。因此，无论是在前向扩散过程（向数据中添加噪声）还是在逆向去噪采 阅读全文
posted @ 2024-09-13 20:35
GraphL
阅读(188)
评论(0)
推荐(0)
摘要：
L1 损失和 L2 损失是两种常用的损失函数，用于衡量模型的预测值与真实值之间的误差。它们的主要区别在于对误差的处理方式不同，导致它们的性质和应用场景有所不同。 1. L1 损失 (绝对值损失, MAE) L1 损失计算的是预测值与真实值之间绝对误差的总和： [ L_{\text{L1}} = |\ 阅读全文
posted @ 2024-09-13 19:30
GraphL
阅读(1340)
评论(0)
推荐(0)
摘要：
从理论上来说，药物-基因 和 基因-药物 这两个矩阵的预测，虽然看起来是矩阵的转置（行列的角色互换），但它们的预测过程并不完全一样。原因如下： 1. 矩阵的角色不同 药物-基因矩阵：这里每一行表示一个药物，每一列表示一个基因，矩阵的每个元素代表某个药物和某个基因之间的关系（例如活性、相互作用等）。 阅读全文
posted @ 2024-09-13 11:20
GraphL
阅读(38)
评论(0)
推荐(0)
浙公网安备 33010602011771号