【CS224W:GML 】Week 20 - Scaling Up GNNs
58:54
Пікірлер
@pavana-g4o
@pavana-g4o Ай бұрын
Thanks for the analysis! A bit off-topic, but I wanted to ask: My OKX wallet holds some USDT, and I have the seed phrase. (alarm fetch churn bridge exercise tape speak race clerk couch crater letter). How should I go about transferring them to Binance?
@studycamptw
@studycamptw Ай бұрын
Thank you for reaching out. Unfortunately, we don't have information on that topic.
@6406peter
@6406peter 2 ай бұрын
想問一下會建議rna的分析全都用python做嗎?包括bulk rna在用的deseq2或單細胞用的scanpy?因為高分數期刊幾乎都是用R來做
@studycamptw
@studycamptw 2 ай бұрын
已協助詢問資料科學版版主。很抱歉沒有辦法回答你的回答,因為不是研究生物這個領域的,不確定其原因。從他的角度看,只有工具符不符合需求的問題。
@looploop6612
@looploop6612 4 ай бұрын
讲话没有气力
@studycamptw
@studycamptw 4 ай бұрын
歡迎參加共學一起分享討論
@spencers.7564
@spencers.7564 Жыл бұрын
58:13 weight decay 應該加在 loss function,這邊寫錯了,notebook 有修正
@studycamptw
@studycamptw Жыл бұрын
感謝 Spencer 兄補充,已新增至影片說明。
@spencers.7564
@spencers.7564 Жыл бұрын
38:25 這邊 error 跟 norm 的定義關係,後來我筆記有作一些修改;原本看公式覺得這兩個應該是一樣的東西,後來發現還是有一些小地方的差異 (norm 是取 summation、error 是取 mean) 1:00:45 我這邊說錯了,SGD accuracy 的計算是假設 prediction > 0 表示為 y == 3 digit 然後 Howard 說得很對喔 ("機器學習其中一個有難度的地方就是當設計新的loss function時,要證明它能引導model到它的訓練目標"),我之所以覺得這個專案有意思的地方是因為,它對 baseline、model prediction、loss 的巧思設計,是一般可能講理論的書看不到的東西 作者由一個專案,涵蓋了底層的功能實現 (linear、neural network) -> PyTorch、fastai module 置換使用 -> 高階的使用 pretained model 來做 transfer learning,讓我有種見樹又見林的視野