DGL中异构图的一些理解以及异构图卷积HeteroGraphConv的用法
相比同构图，异构图里可以有不同类型的节点和边。这些不同类型的节点和边具有独立的ID空间和特征。 例如在下图中，”用户”和”游戏”节点的ID都是从0开始的，而且两种节点具有不同的特征。因此异构图才是最能够表达和适用我们真实世界的各种表达的。下面可以使用DGL创建一个如下的异构图：一共有三种实体，三种关
利用python的networkx3.0 进行GIS的网络分析
从shp文件构建网络数据，再进行出图和分析，利用python的相关库，networkx，np等
机器学习：李航-统计学习方法笔记（一）监督学习概论
目录1.1统计学习1.2统计学习的分类1.2.1基本分类监督学习定义： 无监督学习 强化学习半监督学习主动学习统计学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。也可以说统计学习就是计算机系统通过运用数据及统计方提高系统性能的机器学习。故统计学习也称为统计机器学习。
【强化学习PPO算法】
强化学习基础记录
利用OpenCV实现软件自动识别核酸检测时间
利用OpenCV实现软件自动识别核酸检测时间
Dlib+Opencv库实现疲劳检测
Dlib+Opencv库实现疲劳检测
利用Matlab对双目摄像头进行标定
利用Matlab对双目摄像头进行标定
PyTorch 卷积网络正则化 DropBlock
论文地址：https://arxiv.org/pdf/1810.12890.pdfDropBlock 是一种类似于 dropout 的简单方法，它与 dropout 的主要区别在于，它从层的特征图中抹除连续区域，而不是抹除独立的随机单元类似地，DropBlock 通过随机地置零网络的响应，实现了通道
PyTorch中repeat、tile与repeat_interleave的区别
PyTorch中repeat、tile与repeat_interleave的区别
基于Python实现相机标定正畸并生成鸟瞰图
参考 Learning OpenCV 示例 18-1，利用棋盘格图像进行相机定标，将参数写入 XML 文件保存。棋盘格图像见群文件 LearningOpenCV/LearningOpenCV_Code/LearningOpenCV_Code/calibration参考示例 19-1，根据求得的内参实
丢弃法Dropout(Pytorch)
介绍了dropout（丢弃法），以及PyTorch的从零实现和调API实现
GPU启用及Pytorch/Cuda安装
最近在跑神经网络，用CPU跑实在是太慢了，于是决定探究一下怎么用GPU跑，配置GPU环境的过程异常艰辛，为此还阅读几十篇CSDN+知乎优秀博主的优质论文，最后终于整出来了，现在我总结一下就当做个备忘录吧。以下内容引用了很多博主的博客内容，如有侵权，立刻删除。.........
深度学习---三好学生各成绩所占权重问题（2）
深度学习---三好学生各成绩所占权重问题，训练神经网络
手写数字识别-基于卷积神经网络
机器识图的过程：机器识别图像并不是一下子将一个复杂的图片完整识别出来，而是将一个完整的图片分割成许多个小部分，把每个小部分里具有的特征提取出来（也就是识别每个小部分），再将这些小部分具有的特征汇总到一起，就可以完成机器识别图像的过程了。...
Python编程学习：random.shuffle的简介、使用方法之详细攻略
Python编程学习：random.shuffle的简介、使用方法之详细攻略目录random.shuffle的简介random.shuffle的使用方法1、使两个列表打乱遵循同一个规则 random.shuffle方法，对元素进行重新排序，打乱原有的顺序，返回一个随机序列(当然此处随机序
在3Dslicer中使用opencv连接相机
在3Dslicer中使用opencv连接相机
深入理解PyTorch中的nn.Embedding
深入理解nn.Embedding模块
YOLOv5的一些评价指标
YOLO的评价指标说明
机器学习入门（一）
本文是在入手机器学习过程中的一些学习心得和总结，适合机器学习的基础阶段借鉴。 机器学习是一种从数据中总结规律的统计方法。机器学习中有各种用于总结规律并且进行预测或者分类的模型（算法），被广泛应用在物体识别、语音识别、放假预测和疾病诊断等领域。 ......
