AI-Friend

我看GAT没有使用AttEncoder，而是使用了att_head函数。与GAT论文的linear transformation相比， 函数里用了一维卷积，是有什么考虑吗？ 最重要的地方 logits = f_1 + tf.transpose(f_2, [0, 2, 1]) 这里，f_2变化维度，然后与f_1相加，这里实在没看懂， 可以给解答下吗？(为了达到5个邻居都与self node的特征作对应目的？然后一次性softmax？) def att_head(self, seq, out_size, activation): seq_fts = tf.layers.conv1d(seq, out_size, 1, use_bias=False) f_1 = tf.layers.conv1d(seq_fts, 1,...

好像是配置studio的问题，请问studio的host:port 怎么配置才能登录呀， 没有设置过用户名和密码，所以就写了ip:9669, root, 123 登录，结果就是 Request Error: 504 Gateway Timeout 请问studio 服务的端口是不是要和 graphd的端口保持一致呢？ 

@wey-gu 是的，感谢，console问题解决了，是因为console的端口问题， 现在studio问题是使用真实graphd ip:9669 登录studio，结果是 Request Error: 504 Gateway Timeout，这个需要，额外配置studio配置文件吗，比如改端口之类的，我使用的虚拟机，虚拟机和我本机都可以ping 通 感谢！

你好，时间太长了，而且原来的数据有敏感性，没有存下来的。可以参考结果.txt, 预测的效果比较好的

hello, 这个时间比较久了，我百度网盘的数据都清空了，本来大的数据都存在那里的，抱歉！

你好， 问题1： 因为任务是成绩排名，现有的特征基本都是跟成绩有正相关/负相关，或者可以把特征处理成与成绩正负相关的（数值特征），当然经典的做法是回归，回归算法也确实有一定的效果的；但是我的样本量不足，我的想法是回归转变成两两对比的二分类任务，具体来说，学生A的成绩/特征如果大于学生B，那么A相对于B就是1，B相对于A就是0，这样A就可以跟N-1个学生做对比，最终预测的对比结果加起来=n，就说明在与n个学生的对比中胜出，这也就作为他/她的成绩排名。 问题二： 一次是以甲为参照物，一次是以乙为参照物，甲乙和乙甲的组合，特征和label都是相反的，对于机器学习任务来说是两个样本；当然也可以记录严格看成一样的，样本组合就成了一个不包含对角线的上/下三角阵，生成样本的过程，多了个逻辑而已，这块地方没必要纠结 祝好！