图学习【参考资料2】-知识补充与node2vec代码注解

Segmentation图分割算法 二 程序注解 【注解展示，是为了方便自己理解，同时也希望能帮到和自己一样在学习这块知识的小伙伴】 1.0 DeepWalk随机游走的实现 <img src="https://<em>ai</em>-studio-static-online.cdn.bcebos.com [INFO] <em>2022-11-11</em> 14:28:30,539 [my_deepwalk.py: 250]: Step 1210 DeepWalk Loss: 0.187183 0.309996 s/ [INFO] <em>2022-11-11</em> 14:28:33,171 [my_deepwalk.py: 250]: Step 1220 DeepWalk Loss: 0.189533 0.244672 s/ <img src="https://ai-studio-static-online.cdn.bcebos.com/5ee18998f2c84598a01a43aad15270f154f837dc972747e3aa69d6c2eb7d5d10 <img src="https://<em>ai</em>-studio-static-online.cdn.bcebos.com/09001163a1064101a8dd2892eb559cf2006aa93d7fe84c70b2ad47b810f4c86a

图学习【参考资料2】-知识补充与node2vec代码注解

[INFO] 2022-11-11 14:28:30,539 [my_deepwalk.py: 250]: Step 1210 DeepWalk Loss: 0.187183 0.309996 s/ [INFO] 2022-11-11 14:28:33,171 [my_deepwalk.py: 250]: Step 1220 DeepWalk Loss: 0.189533 0.244672 s/ [INFO] 2022-11-11 14:28:35,537 [my_deepwalk.py: 250]: Step 1230 DeepWalk Loss: 0.202293 0.232859 s/ [INFO] 2022-11-11 14:28:37,920 [my_deepwalk.py: 250]: Step 1240 DeepWalk Loss: 0.189366 0.244727 s/ <img src="https://<em>ai</em>-studio-static-online.cdn.bcebos.com/09001163a1064101a8dd2892eb559cf2006aa93d7fe84c70b2ad47b810f4c86a

Paddle Graph Learning (PGL)图学习之图游走类deepwalk、node2vec模型[系列四]

[INFO] 2022-11-11 14:28:23,367 [my_deepwalk.py: 250]: Step 1180 DeepWalk Loss: 0.186947 0.230984 s/ [INFO] 2022-11-11 14:28:25,729 [my_deepwalk.py: 250]: Step 1190 DeepWalk Loss: 0.193626 0.233627 s/ Discovery from Data (ACM TKDD), 1(1), 2007. 4.1.5 下载地址 Cora：https://s3.us-east-2.amazonaws.com/dgl.ai /dataset/cora_raw.zip Pubmed：https://s3.us-east-2.amazonaws.com/dgl.ai/dataset/pubmed.zip Citeseer：https ://s3.us-east-2.amazonaws.com/dgl.ai/dataset/citeseer.zip BlogCatalog：http://socialcomputing.asu.edu/

Paddle Graph Learning (PGL)图学习之图游走类deepwalk、node2vec模型[系列四]

contributionType=1结果展示：[INFO] 2022-11-11 14:28:21,009 [my_deepwalk.py: 250]:Step 1170 DeepWalk Loss: contributionType=1结果展示：[INFO] 2022-11-11 14:37:32,694 [my_node2vec.py: 358]:Step 670 Node2vec Loss: Discovery from Data (ACM TKDD), 1(1), 2007.图片4.1.5 下载地址Cora：https://s3.us-east-2.amazonaws.com/dgl.ai /dataset/cora_raw.zipPubmed：https://s3.us-east-2.amazonaws.com/dgl.ai/dataset/pubmed.zipCiteseer：https ://s3.us-east-2.amazonaws.com/dgl.ai/dataset/citeseer.zipBlogCatalog：http://socialcomputing.asu.edu/datasets

【Rust 日报】2022-11-11 GitHub 代码搜索用 Rust 实现

目前 Github 的这个新功能处于测试阶段，关于该功能的更新信息记录可以看 Github 的 blog：https://github.blog/2021-12-15-a-brief-history-of-code-search-at-github/。

2022-11-11：设计一个最大栈数据结构，既支持栈操作，又支持查找栈中最大元素。实现 MaxStack 类：MaxStack

2022-11-11：设计一个最大栈数据结构，既支持栈操作，又支持查找栈中最大元素。 答案2022-11-11： 加强堆+双向链表。 代码没时间写，将就一下吧。 代码用java编写。

2022-11-11：设计一个最大栈数据结构，既支持栈操作，又支持查找栈中最大元素。 实现 MaxStack 类： MaxStack() 初始化栈对象 void

2022-11-11：设计一个最大栈数据结构，既支持栈操作，又支持查找栈中最大元素。 答案2022-11-11：加强堆+双向链表。代码没时间写，将就一下吧。代码用java编写。

Linux编译gcc/g++、自动化构建工具make/makefile

789553      Links: 1 Access: (0775/-rwxrwxr-x)  Uid: ( 1001/  wjmhlh)   Gid: ( 1001/  wjmhlh) Access: 2022 -11-11 10:24:14.205381640 +0800 Modify: 2022-11-11 10:24:13.801379696 +0800 Change: 2022-11-11 10:24 +0800 ①Modify:指文件内容被修改的时间 ②Change：指文件属性被修改的时间 ③Access：指文件被访问后的时间 例如：我们去改文件属性： 当前的mycode的Change：2022 -11-11 10:24:13.801379696 +0800 其他两个时间： Access: 2022-11-11 10:24:14.205381640 +0800 Modify: 2022-11- -11-11 10:24:14.205381640 +0800 Modify: 2022-11-11 10:24:13.801379696 +0800 Change: 2022-11-11 10:32

rime自定义皮肤

round_corner: 0 "style/color_scheme": win10 "style/horizontal": true 来自 大脸猪 写于 2022-05-16 13:42 -- 更新于2022

Linux操作系统基础（十）：Linux系统信息

显示当前时间 ## 显示时间 date ## 按照指定格式显示时间 date +"%Y-%m-%d %H:%M:%S" 第二步：设置系统时间 date -s "时间字符串" 如：date -s "2022

wipsfs 擦除磁盘签名后恢复分区

0ooG-mhhO-wKVU-ekP2-SecDaA" status = ["READ", "WRITE", "VISIBLE"] flags = [] creation_time = 1668167654 # 2022 j8yt-d5oT-GWX2QF" status = ["READ", "WRITE", "VISIBLE"] flags = [] creation_time = 1668167667 # 2022

19岁美国男孩击败国际象棋世界冠军，被指利用AI作弊！

AI肯定是首先想到的，现在也有两种方法可以检测AI作弊行为，一种是凭借顶级棋手的直觉；另一种是用AI击败AI，也就是用AI检测被质疑棋手的下期思路和AI的相似程度。 没有人能为作弊一事盖棺定论 虽然看上去这是针对棋手的指控，但这一丑闻还触及了一个更普遍的问题，那就是AI对人类最高水平的智力专长的破坏性影响。 互联网与AI也让追求卓越的过程变得更加民主化。 但技术是一把双刃剑。AI也开始以破坏性的方式在歪曲游戏的竞争态势。比如在在线国际象棋比赛中，参赛者必须在摄像机下比赛，但要把电脑放在监视之外并不难。 相关报道： https://www.bloomberg.com/news/articles/2022-11-11/carlson-niemann-chess-scandal-latest-chapter-in-ai-evolution

实现Typecho说说功能

whisper">

Yacan Man 2022

MySQL-简介

CURRENT_TIMESTAMP);-- 登陆时间，如果希望login_time自动更新，需要配置 SELECT * FROM t14; INSERT INTO t14(birthday,job_time) VALUE('2022 -11-11','2022-11-11 10:10:10'); -- 如果我们更新 t14表的某条记录，login_time列会自动的以当前时间进行更新 # 创建表练习 # 创建表的课堂练习 --

大厂的优惠券系统是如何设计的？

如商家创建了一批优惠券，共1000张，使用时间为2022-11-11 00:00:00 ~ 2022-11-11 23:59:59，规定只有数码类目商品才能使用，满100减50。

AI主播、AI记者、AI编辑，传媒AI化加速

但随着AI的深入，Microsoft News方面逐渐转向 AI，其鼓励出版商和新闻工作者使用AI辅助工作，或用AI替代人工进行内容的处理、过滤、发表。 微软作为全球名企，每个改变都会引起其他企业效仿和学习，这一次AI替代编辑人员的改变也将影响传媒行业的发展。国外传媒AI之路是如此，国内传媒AI化之路也在逐渐升温。 传媒行业正在AI化 目前为止，AI对于各行各业起到的作用都是正面性的，传媒行业也不例外。 AI化。 不同于百度重点关注给主流媒体赋能，搜狗主要通过AI合成主播切入AI传媒市场。

是“AI”，不是“Ai”

刚才又刷到一个博主的简介：“资深Ai自媒体、Ai 编程实践者”。 我是完全没有被他的经历吸引，我倒是被 “Ai” 两个字母熏得难受。 说个结论，应该是写 “AI” 而不是 “Ai” 。 但是，经常看到这些标题： "一个Ai工具帮你成为职场王者" "Ai精品课程" "教你如何用Ai提升效率" 字母的大小写，暴露的是专业度。 而非Ai。 The Verge - 全文 AI Wired - 全文 AI Nature、Science 期刊 - 全文 AI OpenAI、Google文档 - 全文 AI 没有一家专业媒体或机构会写 "Ai"， 不管是输入法的原因，还是由于自己的偏好，请把 “Ai” 这个不伦不类的词改掉。 在公共空间和专业文档中表达"人工智能"时，请写对 "AI" 。

【玩转 GPU】AI绘画、AI文本、AI翻译、GPU点亮AI想象空间

AI绘画个人作品展示 图片 图片 一、使用 GPU 的 AI 技术场景应用与开发实践 图片 GPU 可以大幅提升人工智能算法的运行速度，加快数据的处理和分析，由此产生了许多基于 GPU 的 AI 技术场景应用。 下面我们将分别介绍 AI 绘画、AI 语音合成、开源语言模型部署等 AI 技术场景的 GPU 开发实践。 1.1 AI 绘画 AI 绘画是利用人工智能技术进行绘画创作的一种方法。 1.2 AI 语音合成 AI 语音合成是通过人工智能技术实现的语音合成技术。利用 GPU 可以加速计算，提高语音合成的速度和准确度。近年来，WaveNet 技术成为了语音合成的一种新的解决方案。 1.3 开源语言模型部署 开源语言模型部署是一种将 AI 技术和自然语言处理技术相结合的应用场景。使用 GPU 可以加快模型的训练，提高模型的准确度和效率。

对话式AI(Conversational AI)

在BOLD360峰会中，与会嘉宾探讨了对话式 AI的现状，未来，消费者关切等诸多话题。 对话AI (Conversational Technology and AI)的终极目标是为消费者创造更佳的体验。 “对话式AI平台比如Alexa已经超越了其最初的，处理家居事务性任务的目标。 随着Echo Auto的发布渐渐进入了移动和车载环境”，”Amazon在AI特别是语音AI领域投资巨大，在未来，我们将看到Alexa将随处带来改变(Transitioning everywhere)。 对话式AI将带来一个多样和包容的新世界(A new world of diversity and inclustin)，将使人机数字接口更加的无处不在(Ubiquitous)，友好的和容易的(Welcoming

【AI系统】AI 框架作用

本文将从深度学习的原理开始，进而深入地讨论在实现深度学习的计算过程中使用到的 AI 框架，看看 AI 框架具体的作用和目的。 这种模拟生物神经元的数学计算，能够很好地对大规模独立同分布的数据进行非线性映射和处理，使得其能够应对到 AI 的不同任务。函数逼近现在，如果把神经网络看做一个复杂函数，那么这个函数可以逼近任何函数。 AI 框架的作用AI 框架与微分关系根据深度学习的原理，AI 框架最核心和基础的功能是自动求导（后续统一称为自动微分，AutoGrad）。 AI 框架与程序结合下面左图的公式是神经网络表示的复合函数表示，蓝色框框表示的是 AI 框架，AI 框架给开发者提供构建神经网络模型的数学操作，AI 框架把复杂的数学表达，转换成计算机可识别的计算图。 这一过程，只要你定义好网络 AI 框架都会主动地帮我们完成。