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]

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

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/

【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。

韩式浪漫 - 落雪唯美

上周五（2022-11-11），在吃中午饭的路上，我问了下 Eric。 Jimmy：周五了，有什么剧推荐看看的，周末广州要静默防控的节奏。 Eric：有点老的韩剧，但是很推荐看。

【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。