LXZLoo

摘要： PyTorch图神经网络（六） ​ 第十章讲的是使用图神经网络来预测链接，这里直接跳过传统方法。 1.VGAE ​ VGAE是通过编码器-解码器的形式来对链接进行预测。通过VGAE对节点的特征进行编码，然后通过GCN层来聚合相邻节点的特征，最终能够得到每个节点的隐向量，通过预测节点隐向量的相似度来预 阅读全文

摘要： PyTorch图神经网络（五） 1.WL测试 ​ 之前讲了用图神经网络对节点进行分类，这里则是对图进行分类，思路来自于WL测试。WL测试旨在构建图的规范形式，具体做法为： ​ 1.一开始对每个节点赋予相同的颜色或者标签 ​ 2.每个节点拼接自己和邻居的标签（原文说的聚合可能会产生误解） ​ 3.结果 阅读全文

摘要： PyTorch图神经网络（四） 1.GraphSAGE ​ 从这里开始的第三篇，开始将更加偏向实际使用的图神经网络了。GraphSAGE是一种图神经网络架构，旨在处理大型图。 邻居采样： ​ 这里引入了一个基本概念：小批量。在大型图中，我们无法考虑图中的所有信息，因此，我们只能考虑节点以及他的邻居。 阅读全文

摘要： PyTorch图神经网络（三） 1.图注意力网络（GAT） ​ 之前提到的图卷积网络其实已经包含了图注意力网络的思想，他用节点的度来衡量节点的重要性，这样就会使得邻居较少的节点比其他节点更加重要。图注意力网络解决了这种方法的局限性，他把归一化矩阵拓展成注意力矩阵，得到的公式为（写成单个嵌入的形式，便 阅读全文

摘要： PyTorch图神经网络（二） 1.Node2Vec ​ Node2Vec在DeepWalk的基础上，对随机游走本身的生成方式进行了改进。这里的思想是参考了图遍历的两种方法：BFS和DFS，具体做法为：使每次随机游走偏向以下任一方案： ​ 1.游走到与前一个节点未连接的节点（类似于DFS） ​ 2. 阅读全文

摘要： PyTorch图神经网络（一） ​ 参考书《PyTorch图神经网络》，作者[美]马克西姆·拉伯恩。 1.前言： ​ 图神经网络用于处理图结构数据的任务，图中的信息除了点和边之外，每个点还有自己的特征。图神经网络的具体应用包括节点分类、链接预测、图分类、图生产等等。这个系列将从头开始讲解图神经网络的 阅读全文

摘要： SVC总结与思考 开头&目录： ​ SVC，全称Singing Voice Conversion（歌声转换），是VC领域的一个具体应用，主要为：将一段源歌声的音色转换成目标歌手的音色，同时尽可能保留原始的歌词、旋律和演唱技巧。这里在看了部分相关模型之后从以下几个方面做一个简短的总结并阐述一下我自己的 阅读全文

摘要： Free-SVC项目解读 目录： ​ 1.引言 ​ 2.生成器代码解读 ​ 3.判别器代码解读 ​ 4.损失函数解读 ​ 5.总体解读 1.引言： ​ Free-SVC是ICASSP 2025中提出的项目，对应的论文地址为：[2501.05586] FreeSVC: Towards Zero-sho 阅读全文

摘要： So-VITS项目解读 目录 ​ 1.声音编码器； ​ 2.预训练底模； 3.HIFIGAN增强器； 4.预处理部分； 5.网络结构； 1.声音编码器： ​ Contentvec:经过改造的Hubert模型，用于从语音中提取说话的内容特征，同时去除说话人的信息，具备帧级的对齐功能； Hubertso 阅读全文

摘要： Diffusion Model解读（一） 模型概述： ​ Diffusion生成式模型做的事情很简单，这里直接以DDPM原文中的伪代码为例： ​ 在Training过程中，就是从数据集中采样真实的图片，给图片一步一步加上高斯噪声， 最终得到一张几乎不包含原图信息，只剩下高斯噪声的图片，原文这里可以把 阅读全文