ggg

慕尼黑上海光博会自2006年举办以来，已成为中国激光、光学、光电行业盛会。逐年递增的展会数据不仅显示出慕尼黑上海光博会的领导力，更表明中国光电行业发展的坚强信念。慕尼黑上海光博会引领行业发展趋势， 集中展示涵盖激光器与光电子、光学与光学制造、激光生产与加工技术、成像，检测和质量控制四大板块的全方位产品内容，是不容错过的业内展会

慕尼黑上海光博会自2006年举办以来，已成为中国激光、光学、光电行业盛会。逐年递增的展会数据不仅显示出慕尼黑上海光博会的领导力，更表明中国光电行业发展的坚强信念。慕尼黑上海光博会引领行业发展趋势， 集中展示涵盖激光器与光电子、光学与光学制造、激光生产与加工技术、成像，检测和质量控制四大板块的全方位产品内容，是不容错过的业内展会

慕尼黑上海光博会自2006年举办以来，已成为中国激光、光学、光电行业盛会。逐年递增的展会数据不仅显示出慕尼黑上海光博会的领导力，更表明中国光电行业发展的坚强信念。慕尼黑上海光博会引领行业发展趋势， 集中展示涵盖激光器与光电子、光学与光学制造、激光生产与加工技术、成像，检测和质量控制四大板块的全方位产品内容，是不容错过的业内展会

本文主要讲解两种图采样算法。前面GCN讲解的文章中，我使用的图GGG节点个数非常少，然而在实际问题中，一张图可能节点非常多，因此就没有办法一次性把整张图送入计算资源，所以我们应该使用一种有效的采样算法，从全图GGG中采样出一个子图ggg，这样就可以进行训练了 采样的阶段首先选取一个点，然后随机选取这个点的一阶邻居，再以这些邻居为起点随机选择它们的一阶邻居。例如下图中，我们要预测0号节点，因此首先随机选择0号节点的一阶邻居2、4、5，然后随机选择2号节点的一阶邻居8、9；4号节点的一阶邻居11、12；5号节点的一阶邻居13、15 下图展示了邻居采样的优点，极大减少训练计算量这个是毋庸置疑的，泛化能力增强这个可能不太好理解，因为原本要更新一个节点需要它周围的所有邻居，而通过邻居采样之后，每个节点就不是由所有的邻居来更新它，而是部分邻居节点，所以具有比较强的泛化能力 PinSAGE 回到上述问题，采样时选取虚拟邻居有什么好处？可以快速获取远距离邻居的信息

GAN的出现为数据生成提供了一种新的思路，以图像生成为例，在GAN框架中，不再需要其他复杂的操作，如Markov Chain等，只需要对定义好的网络进行backpropagation即可完成生成网络的训练。在原始的GAN框架中，包括了两个部分，分别为生成网络（Generator）GGG和判别网络（Discriminator）DDD，其中生成网络（Generator）GGG用于生成图片，判别网络（Discriminator）DDD用于判别一张图片是否是真实的。通过不断提高生成网络GGG的生成质量，最终“骗”过判别网络DDD，在此过程中，判别网络DDD也在不断提高自身的判别能力，通过如此的一个动态的“博弈”过程，最终，训练好的生成网络GGG便可以用于生成“以假乱真”的图片