[人工智能]pytorch版的GCN实现过程注解（一）

Python zip() 函数

参考链接：Python zip() 函数

Python dict() 函数
pandas.get_dummies 的用法
get_dummies 是利用pandas实现one hot encode的方式

CSR-matrix稀疏矩阵（附demo）

Python enumerate() 函数

python coo_matrix的理解和用法

NumPy和SciPy - .todense()和.toarray()之间的区别
one-hot encoding和常规label的转化
coo_matrix

Scipy 稀疏矩阵

mtx = sparse.coo_matrix((3, 4), dtype=np.int8)
print(mtx.todense())
>>> [[0 0 0 0]
     [0 0 0 0]
     [0 0 0 0]]

row = np.array([0, 3, 1, 0])
col = np.array([0, 3, 1, 2])
data = np.array([4, 5, 7, 9])
mtx = sparse.coo_matrix((data, (row, col)), shape=(4, 4))
print(mtx)
>>>   (0, 0)    4
      (3, 3)    5
      (1, 1)    7
      (0, 2)    9

print(mtx.todense())
>>> [[4 0 9 0]
     [0 7 0 0]
     [0 0 0 0]
     [0 0 0 5]]

row = np.array([0, 0, 1, 3, 1, 0, 0])
col = np.array([0, 2, 1, 3, 1, 0, 0])
data = np.array([1, 1, 1, 1, 1, 1, 1])
mtx = sparse.coo_matrix((data, (row, col)), shape=(4, 4))
print(mtx.todense())
>>> [[3 0 1 0]
     [0 2 0 0]
     [0 0 0 0]
     [0 0 0 1]]

#不支持索引
print(mtx[2, 3])
>>> Traceback (most recent call last):
  File "/Users/shenyi/Documents/Untitled.py", line 21, in <module>
    print(mtx[2, 3])
TypeError: 'coo_matrix' object is not subscriptable

eye(m[, n, k, dtype, format])：对角线为1的稀疏矩阵
identity(n[, dtype, format])：单位矩阵
diags(diagonals[, offsets, shape, format, dtype])：构造对角矩阵（含偏移量）

torch.from_numpy(ndarray) 功能及举例

pytorch中torch.manual_seed()的理解

每次运行的结果是相同的

import argparse模块总结
关于python中.item()的用法
torch.optim.Adam优化器参数学习
model.train()
在使用pytorch构建神经网络的时候，训练过程中会在程序上方添加一句model.train()，作用是启用batch normalization和drop out。
参考链接：pytorch model.train()