前言

众所周知的原因，服务器大厂的监控一直是介于保护隐私和侵犯隐私的边缘的，所以为了去除掉这些烦人的监控，我开发了下面的脚本进行一键卸载

脚本

脚本仓库：https://github.com/spiritLHLS/one-click-installation-script

GAT

原文：

流程

上面这个是计算每个邻居节点和当前节点之间的重要性，下面这里是softmax这些值，计算每个节点和当前节点之间的权重，权重和为1.

前言

空域提出 –> 频域提出 –> 图神经网络提出 –> 主要回到空域发展

图表示学习 和 图神经网络 平行的两个方向，互补的方向。

MPNN

后面两个图神经网络都是基于 MPNN 进行改进的。

前言

GCN 可以说是一个函数拟合器。

每个计算图就是一个样本

感受野是指神经网络中某一层输出的单元对输入的局部区域的敏感程度。实际上层数不宜过多，否则后续层数感受野会越来越相似。

给轻量应用腾讯云服务器加上IPV6地址隧道

这里使用6in4方法解决宿主机本身没有IPV6地址的问题。

给宿主机附加免费的IPV6地址段

有的机器本身没有IPV6的/64子网，这里给出一个方法免费附加IPV6的子网。

这里是使用6in4方法解决宿主机本身没有IPV6地址的问题。

前言

PageRank节点重要度

在NetworkX中，计算有向图节点的PageRank节点重要度。

参考资料

networkx官方教程：https://networkx.org/documentation/stable/tutorial.html

nx.Graph https://networkx.org/documentation/stable/reference/classes/graph.html#networkx.Graph

给图、节点、连接添加属性：https://networkx.org/documentation/stable/tutorial.html#attributes

读写图：https://networkx.org/documentation/stable/reference/readwrite/index.html

导入工具包

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

import networkx as nx # 图数据挖掘
import numpy as np # 数据分析
import random # 随机数
import pandas as pd
 
# 数据可视化
import matplotlib.pyplot as plt
%matplotlib inline
plt.rcParams['font.sans-serif']=['SimHei']  # 用来正常显示中文标签  
plt.rcParams['axes.unicode_minus']=False  # 用来正常显示负号

1

G = nx.star_graph(7)

1

nx.draw(G, with_labels = True)

计算PageRank节点重要度

数据下载地址：http://www.openkg.cn/dataset/ch4masterpieces

Links as votes

使用In-coming links作为投票，也就是别人引用了我，即一个节点被多少其他节点指向，那么这个节点被多少用户点击的概率就越大。

pagerank假设 In-Links 之间也是不一样，重要网站引用我和无名小将引用我肯定前者更重要。