UC Berkeley CS285 深度强化学习的中文译本
最近在看 Berkeley 深度强化学习的网课, Sergey 大佬讲得, 但无奈大佬语速比较快, 而且没有除ppt以外的文字材料, 就自己整理并总结了一份中文的笔记, 也算是监督自己坚持学习下去了. 请访问这个 github链接 来获取译本 PDF, 觉得还不错的同学麻烦点个小星星, 非常感谢!
PyG网络 (一) 图注意力神经网络GAT
下载并引入库
# Install required packages.
!pip install -q torch-scatter -f https://data.pyg.org/whl/torch-1.10.0+cu113.html
!pip install -q torch-sparse -f https://data.pyg.org/whl/torch-1.10.0+cu113.html
!pip install -q git+https://github.com/pyg-team/pytorch_geometric.git
import numpy as np
import torch
import torch.nn as nn
import torch.nn.functi...
PyTorch Geometric 教程3 - 图分类
下载库
# Install required packages.
!pip install -q torch-scatter -f https://data.pyg.org/whl/torch-1.10.0+cu113.html
!pip install -q torch-sparse -f https://data.pyg.org/whl/torch-1.10.0+cu113.html
!pip install -q git+https://github.com/pyg-team/pytorch_geometric.git
使用图神经网络来分类图
图分类 (Graph classification) 指的是对于已知的图数据集, 基于一些结构图的属性, 分类整张图的任务. 因此...
PyTorch Geometric 教程4 - 拓展图神经网络
下载库
# Install required packages.
!pip install -q torch-scatter -f https://data.pyg.org/whl/torch-1.10.0+cu113.html
!pip install -q torch-sparse -f https://data.pyg.org/whl/torch-1.10.0+cu113.html
!pip install -q git+https://github.com/pyg-team/pytorch_geometric.git
拓展 (Scaling) GNNs
之前的教程中, 我们仅以 全批量 (full-batch) 的方式训练了节点分类任务中的 GNN. 这意味着每个节点的...
PyTorch Geometric 教程2 - 节点分类
下载并引入库
# Install required packages.
!pip install -q torch-scatter -f https://data.pyg.org/whl/torch-1.10.0+cu113.html
!pip install -q torch-sparse -f https://data.pyg.org/whl/torch-1.10.0+cu113.html
!pip install -q git+https://github.com/pyg-team/pytorch_geometric.git
# Helper function for visualization.
%matplotlib inline
import matplotlib.py...
PyTorch Geometric 教程1 - 介绍
组合优化中有一种问题叫路由问题 (routing problem), 代表是旅行商人问题 (Travelling Salesman Problem, TSP). 而这类问题, 本身的数据结构就是图 (Graph) 结构, 在构建和求解上, GNN 似乎 具有天然的优势. 当下 GNN 大火, 有两个库是最热门的: Deep Graph Library (DGL) 和 PyTorch Geometric (PyG). 这两个库都很好用, 差别也不特别大 (DGL官网是有中文教程的). 但是PyG相对来说更基础一些, 教程与支持也更多一些. 因此笔者打算在自我学习之余, 翻译, 理解并整理官方的英文教程. 如果有错误, 或者疑问, 十分欢迎留言或者私信讨论!
下载并引入库
# In...
机器学习与组合优化 - 一些思考
运筹帷幄之中,决胜千里之外
组合优化(CO)是数学优化的子领域, 其常常因为相关问题具有”NP-hard”复杂度而闻名. 比如说很经典的旅行商人问题, 背包问题等等. 这些问题中, 使用穷举搜索或枚举法是不可行的(因为无法承受的时间复杂度), 而在现实生活中, 很多真实的应用都可以映射到这些问题中, 比如在几十个城市或者几百个网点的物流中缩减成本, 又或者是在装箱时保证装载尽量多的货物等等.
而这门对资源配置进行高效管理, 解决复杂问题中最优解的学科, 有一个响亮的名字: 运筹学(Operations Research). 该专栏旨在记录, 并分享学习OR的过程, 尽量从初学者的角度分析, 与各位学子共勉
传统算法求解组合优化
CO问题并不是一个新概念, ...