Recurrent Neural Network(Ⅱ) 上一篇文章介绍了RNN的基本架构，像这么复杂的结构，我们该如何训练呢？ Learning TargetLoss Function依旧是Slot Filling的例子，我们需要把mod

Recurrent Neural Network(Ⅰ) RNN，或者说最常用的LSTM，一般用于记住之前的状态，以供后续神经网络的判断，它由input gate、forget gate、output gate和cell memory组成，每

文章转载自深度长文: 通过最两年的8篇论文全面分析和总结基于图神经网络GNN 欺诈检测 [TOC] 欺诈检测（风控）是一个近两年业界和学界颇受关注的话题，其应用方向包括金融欺诈检测，风险控制，网络水军识别，黑产灰产识别等。 本公众号之前

这节课主要是从频域的角度出发介绍GNN，带大家入门GNN。 首先讲解graph filters； 然后通过【graph filter+pointwise nonlinearity】的构造graph perceptron，多个graph

torch.nn可以理解为类，torch.nn.functional可以理解为函数，它们在使用上有一些区别

学习NumPy中的axis概念

Tensor.data与Tensor.detach()的区别

这不是PyTorch入门教程，而是入门教程的学后思考~

故事是这样的，我最近在学GNN，之前使用的框架是百度团队的PGL，使用的CUDA是10.0版本的。 但是其实PYG才是主流的用于图卷积神经网络的框架，所以打算在PyTorch环境下安装PYG，但是PYG需要的PyTorch版本要大于1.4，

squares = [] for x in range(10): squares.append(x**2) squares #include <iostream> using namespace std; int

转载自AI Studio某网友 前言paddle 静态图的开发结构可以看成“八股文”。一般进来，按照简单例子就直接组网训练。示例代码中会看到如下语句： fluid.default_main_program() with fluid.pr

转载自PaddlePaddle官方文档 简介本篇文档主要介绍飞桨（PaddlePaddle，以下简称Paddle）底层的设计思想，帮助用户更好的理解框架运作过程。 阅读本文档，您将了解： Paddle 内部的执行流程 Program