- 综合排序
- 最热优先
- 最新优先
- 来自专栏NebulaGraph 技术文章
图计算 on nLive：Nebula 的图计算实践
图计算之 nebula-plato [图计算 on nLive：Nebula 的图计算实践] nebula-plato 的分享主要由图计算系统概述、Gemini 图计算系统介绍、Plato 图计算系统介绍以及 图计算系统 图的划分 [图计算 on nLive：Nebula 的图计算实践] 图计算系统概述部分，着重讲解下图的划分、分片、存储方式等内容。 [图计算 on nLive：Nebula 的图计算实践] （图：以顶点为中心的编程模型） [图计算 on nLive：Nebula 的图计算实践] （图：以边为中心的编程模型） 这两种模式以顶点为中心的编程模型比较常见 Gemini 图计算系统 Gemini 图计算系统是以计算为中心的分布式图计算系统，这里主要说下它的特点： CSR/CSC 稀疏图/稠密图 push/pull master/mirror 计算/通信 协同工作 Nebula 图计算 [图计算 on nLive：Nebula 的图计算实践] 目前 Nebula 图计算集成了两种不同图计算框架，共有 2 款产品：nebula-algorithm 和 nebula-plato
2.3K40编辑于 2022-02-22 - 来自专栏Python与算法之美
动态计算图
Pytorch底层最核心的概念是张量，动态计算图以及自动微分。 本节我们将介绍 Pytorch的动态计算图。 包括： 动态计算图简介 计算图中的Function 计算图和反向传播 叶子节点和非叶子节点 计算图在TensorBoard中的可视化 一，动态计算图简介 ? Pytorch的计算图由节点和边组成，节点表示张量或者Function，边表示张量和Function之间的依赖关系。 Pytorch中的计算图是动态图。这里的动态主要有两重含义。 第一层含义是：计算图的正向传播是立即执行的。无需等待完整的计算图创建完毕，每条语句都会在计算图中动态添加节点和边，并立即执行正向传播得到计算结果。 第二层含义是：计算图在反向传播后立即销毁。 下次调用需要重新构建计算图。
2.5K30发布于 2020-07-20 - 来自专栏GiantPandaCV
回炉重造：计算图
有的，那就是我们需要说的计算图 计算图 我们借用「图」的结构就能很好的表示整个前向和后向的过程。形式如下 ? 我们再来看一个更具体的例子 ? （这幅图摘自Paddle教程。 因此池化层需要将梯度传递到前面一层，而自身是不需要计算梯度优化参数。 import torch import numpy as np inputv = np.array( [ [1, 2, 3, 4], [5, 6, 7, 8], 静态图 在tf1时代，其运行机制是静态图，也就是「符号式编程」，tensorflow也是按照上面计算图的思想，把整个运算逻辑抽象成一张「数据流图」 ? 在静态图里我们可以优化到同一层级，乘法和加法同时做到 总结 这篇文章讲解了计算图的提出，框架内部常见算子的反向传播方法，以及动静态图的主要区别。
3.3K20发布于 2020-08-10 - 来自专栏技术成长
图的排序计算和传播计算
图片图的排序计算一种流行的拓扑排序算法是Kahn算法，具体步骤如下：统计每个顶点的入度（即有多少个顶点指向该顶点）。将入度为0的顶点加入到一个队列中。 处理有环图的拓扑排序问题：如果一个图存在环，那么无法进行拓扑排序。在Kahn算法中，如果最后还存在入度不为0的顶点，那么说明图中存在环。 图的传播计算一种常见的图传播模型是SIR模型，该模型描述了病毒传播的过程。下面是对SIR模型的简要介绍：SIR模型SIR模型将一个图表示为一个网络，网络中的节点代表个体，边表示节点之间的联系。 预测信息在网络中的传播路径可以基于以下的图算法：广度优先搜索 (BFS)：该算法从某个指定的节点出发，在图中逐级扩展搜索，以找到特定节点或满足特定条件的节点。 DFS通常比BFS更适用于探索图的整个结构，而不仅仅是在最短路径上进行搜索。PageRank算法：PageRank算法是一种将节点排名按照重要性进行排序的算法。
84861编辑于 2023-10-29 - 来自专栏技术成长
图的社区计算和嵌入计算
图片图的社区计算社区发现是指在一个图中，将节点分割成若干个互不相交的子集，使得子集内节点之间的连接更加密集，而子集之间的连接较为稀疏。 以上是一种用于发现社区的算法，但并不是唯一的方法，还有许多其他的社区发现算法可以应用于不同的情况和图结构。图的嵌入计算图嵌入是将一个图映射到低维空间中的过程。 MDS可以用于对图的邻接矩阵计算节点的向量表示。局部线性嵌入（LLE）：LLE是一种非线性降维方法，它通过将每个节点表示为其邻居节点的线性组合的方式来进行降维。 Isomap可以用于计算图中节点的向量表示。图卷积神经网络（GCN）：GCN是一种基于深度学习的图嵌入方法，它通过在每个节点上应用卷积操作来学习节点的向量表示。 图注意力网络（GAT）：GAT是一种使用注意力机制的图嵌入方法，它能够自适应地学习每个节点与其邻居节点之间的关系。GAT可以通过多层注意力操作来计算节点的向量表示。
93792编辑于 2023-10-30 - 来自专栏铭毅天下
Elasticsearch 8.X “图搜图”实战
3、Elasticsearch 8.X 如何实现图搜图？ 从宏观角度，类似把“大象放冰箱”的几个大步骤，Elasticsearch 8.X 要实现图搜图需要两个核心步骤： 步骤1：特征提取 使用图像处理和机器学习的方法（如卷积神经网络）来提取图像的特征。 Elasticsearch的向量数据类型可以用来存储向量，而script_score查询可以用来计算相似度。 4、Elasticsearch 8.X “图搜图”实战 4.1 架构梳理 数据层：图片数据分散在互联网上，需要采集实现。 采集层：借助爬虫或者已有工具采集数据，存储到本地即可。 k-NN插件会计算这个向量与索引中的每个向量的距离，然后返回距离最近的k个向量。在此例中，query_vector 是一个大的浮点数列表，代表图像的嵌入向量。 fields 定义了返回的字段。
1.4K10编辑于 2023-08-18 - 来自专栏TechBlog
PyTorch: 计算图与动态图机制
文章目录 计算图 PyTorch的动态图机制 计算图 计算图是用来描述运算的有向无环图 计算图有两个主要元素： 结点 Node 边 Edge 结点表示数据：如向量，矩阵，张量 边表示运算：如加减乘除卷积等 用计算图表示：y = (x+ w) * (w+1) a = x + w b = w + 1 y = a * b 计算图与梯度求导 y = (x+ w) * (w+1) a = x + w 计算图与梯度求导 y = (x+ w) * (w+1) 叶子结点 ：用户创建的结点称为叶子结点，如 X 与 W is_leaf: 指示张量是否为叶子结点 叶子节点的作用是标志存储叶子节点的梯度，而清除在反向传播过程中的变量的梯度 根据计算图搭建方式，可将计算图分为动态图和静态图 动态图 运算与搭建同时进行 灵活 易调节 例如动态图 PyTorch： 静态 先搭建图， 后运算 高效 不灵活。 静态图 TensorFlow
2.9K10编辑于 2022-11-13 - 来自专栏java一日一条
8张图理解Java
一图胜千言，下面图解均来自Program Creek 网站的Java教程，目前它们拥有最多的票选。如果图解没有阐明问题，那么你可以借助它的标题来一窥究竟。 1、字符串不变性 下面这张图展示了这段代码做了什么 ? 2、equals()方法、hashCode()方法的区别 HashCode被设计用来提高性能。 8、Java虚拟机运行时数据区域 图解展示了整个虚拟机运行时数据区域的情况。 ?
36010发布于 2018-09-18 - 来自专栏微信公众号：Java团长
8张图理解Java
一图胜千言，下面图解均来自Program Creek网站的Java教程，目前它们拥有最多的票选。 1、字符串不变性 下面这张图展示了这段代码做了什么 String s = "abcd";s = s.concat("ef"); ? 8、Java虚拟机运行时数据区域 图解展示了整个虚拟机运行时数据区域的情况。 ?
36810发布于 2018-08-06 - 来自专栏Java后端技术栈
8 张图理解 Java
来源：ImportNew - era_misa， 一图胜千言，下面图解均来自Program Creek 网站的Java教程，目前它们拥有最多的票选。 1、字符串不变性 下面这张图展示了这段代码做了什么 String s = "abcd"; s = s.concat("ef"); ? 8、Java虚拟机运行时数据区域 图解展示了整个虚拟机运行时数据区域的情况。 ? 看完本文有收获？请转发分享给更多人
26110发布于 2018-08-09 - 来自专栏java达人
8张图理解Java
1、字符串不变性 下面这张图展示了这段代码做了什么 String s = "abcd"; s = s.concat("ef"); 2、equals()方法、hashCode()方法的区别 HashCode 8、Java虚拟机运行时数据区域 图解展示了整个虚拟机运行时数据区域的情况。
78260发布于 2018-03-26 - 来自专栏java工会
8张图理解Java
一图胜千言，下面图解均来自Program Creek 网站的Java教程，目前它们拥有最多的票选。如果图解没有阐明问题，那么你可以借助它的标题来一窥究竟。 1、字符串不变性 下面这张图展示了这段代码做了什么 String s = "abcd"; s = s.concat("ef"); ? 8、Java虚拟机运行时数据区域 图解展示了整个虚拟机运行时数据区域的情况。 ? ?
27100发布于 2018-07-31 - 来自专栏技术成长
图的度计算和相似度计算
图片图的度计算对于一个无向图，节点的度数表示该节点连接的边的数量。 可以通过以下公式计算某个节点的度数：度数 = 与节点相连的边的数量对于一个有向图，节点的出度表示从该节点出发的边的数量，入度表示指向该节点的边的数量。 可以通过以下公式计算某个节点的出度和入度：出度 = 从节点出发的边的数量入度 = 指向节点的边的数量图的相似度计算一种用于计算节点相似度的算法是节点结构相似度算法。 该算法基于两个节点之间的结构相似性来计算节点的相似度。首先，将每个节点的邻居节点及其边的类型记录下来，构建节点的邻接矩阵。对于两个节点i和j，分别计算它们的邻居节点集合Ni和Nj。 计算节点i的邻居节点与节点j的邻居节点的交集大小，记为A。计算节点i的邻居节点与节点j的邻居节点的并集大小，记为B。计算节点j的邻居节点与节点i的邻居节点的交集大小，记为C。
1.7K61编辑于 2023-10-29 - 来自专栏精讲JAVA
8 张图理解 Java
来源：ImportNew - era_misa 一图胜千言，下面图解均来自Program Creek 网站的Java教程，目前它们拥有最多的票选。 1、字符串不变性 下面这张图展示了这段代码做了什么 String s = "abcd"; s = s.concat("ef"); ? 8、Java虚拟机运行时数据区域 图解展示了整个虚拟机运行时数据区域的情况。 ?
45610发布于 2018-12-07 - 来自专栏Web项目聚集地
8张图理解Java
译者：era_misa | 源自：ImportNew 一图胜千言，下面涉及的图解均来自Program Creek 网站的Java教程，目前它们拥有最多的票选。 1、字符串不变性 下面这张图展示了这段代码做了什么 String s = "abcd"; s = s.concat("ef"); ? 8、Java虚拟机运行时数据区域 图解展示了整个虚拟机运行时数据区域的情况。 ?
45810发布于 2018-09-21 - 来自专栏Deep learning进阶路
8-1 图结构
8-1 图结构 1、图结构 前面已经讲了 "一对一" 的线性存储结构、"一对多"的树结构 ， 现在介绍 "多对多" 的图结构 图G由两个集合 V和E 组成， 记为G=( V, E) ， 其中 V是顶点（ 图存储结构可细分两种表现类型，无向图 和 有向图。 2、常见的图的种类 可分为完全图，连通图、稀疏图和稠密图： ①完全图 若图中各个顶点都与除自身外的其他顶点有关系，这样的无向图称为完全图。同时，满足此条件的有向图则称为有向完全图。 ? ②稀疏图和稠密图 这两种图是相对存在的，即如果图中具有很少的边（或弧），此图就称为"稀疏图"；反之，则称此图为"稠密图"。 ③连通图 在无向图中，若每一对顶点 u和v之间都能找到一条路径，则此图称为 连通图； 若无向图不是连通图，但图中存储某个子图符合连通图的性质，则称该子图为连通分量。
70630发布于 2019-07-02 - 来自专栏Java编程
8张图理解Java
一图胜千言，下面图解均来自Program Creek 网站的Java教程，目前它们拥有最多的票选。 1、字符串不变性 下面这张图展示了这段代码做了什么 String s = "abcd"; s = s.concat("ef"); 2、equals()方法、hashCode()方法的区别 HashCode 8、Java虚拟机运行时数据区域 图解展示了整个虚拟机运行时数据区域的情况。 我有一个微信公众号，经常会分享一些Java技术相关的干货。
1.2K00发布于 2017-12-11 - 来自专栏java学习
8张图理解Java
下面这张图展示了这段代码做了什么 1、String s = "abcd"; 2、s = s.concat("ef"); 2、equals()方法、hashCode()方法的区别 HashCode被设计用来提高性能 8、Java虚拟机运行时数据区域 图解展示了整个虚拟机运行时数据区域的情况。
460100发布于 2018-04-18 - 来自专栏AI系统
AI框架跟计算图什么关系？PyTorch如何表达计算图？
本节将会以AI概念落地的时候，遇到的一些问题与挑战，因此引出了计算图的概念来对神经网络模型进行统一抽象。接着展开什么是计算，计算图的基本构成来深入了解诶计算图。 因此派生出了目前主流的深度学习框架都选择使用计算图来抽象神经网络计算。图片计算图的定义我们会经常遇到有些 AI 框架把统一的图描述称为数据流图，有些称为计算图，这里可以统称为计算图。 $$ x_{mat} = \begin{bmatrix} 1 & 2 & 3 \ 4 & 5 & 6 \ 7 & 8 & 9 \end{bmatrix} $$x_mat = [[1, 2, 3], [4 , 5, 6], [7, 8, 9]]图中对标量、向量、矩阵进行形象化表示：图片张量张量（tensor）理论是数学的一个分支学科，在力学中有重要应用。 tensor([[4.5000, 4.5000]])tensor([[4.5000]])<torch.autograd.function.MyReLUBackward object at 0x1205a46c8>
1.7K30编辑于 2023-07-23 - 来自专栏腾讯技术工程官方号的专栏
娓娓道来图模型、图查询、图计算和图学习知识
图计算可以作为对图查询的一个补充，图查询是直接获取关联的信息，而图计算的目标则是计算出基于关联结构蕴藏在点边中的信息，而且，图计算结果本身可以再存储到图数据库中作为图查询的查询目标。 对于希望借力图计算提升业务效果的同行来说，重点要关注两个方面，首先是图计算的结果怎么用，其次是如何高效算出图计算的结果。 对于图计算能起到多大作用问题，难以一概而论。 鉴于图计算任务大都是计算和资源均密集型的，明确图计算对业务助力的效果应该优于图计算在计算效率上的提升。图计算算法可达数十种，每种有各自适用的场景。 已有的图计算工作的宣传也侧重计算效率的提升，并没有很全面地解答图计算对业务的提升效果如何。例如，对于连通分量来说，作为经典的图计算的问题，在各大公司内部什么场景，起到多大的业务提升作用？ 值得注意的是，目前图计算对异构图的支持有限，针对异构图的计算优化与实际图数据的构图形式有较大的关联，因此难以有通用的图计算系统或算法，但实际业务中的图计算往往更关注异构图。
4.2K33发布于 2021-01-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号