【GCN+AE代码逐行学习】参考资料记录

GCN python=3.x

1.utils. py 【输入数据】

L2、pickle：pickle库的使用详解、模块讲解----pickle模块（只在python用的序列化与反序列化）
L3、networkx：python复杂网络分析库NetworkX
L4、scipy.sparse：scipy.sparse的一些整理
L6、sys：python学习之——import sys模块
L11、空list：使用list和tuple
L12、open()函数：Python open() 函数
L12、for…in…循环：循环
L13、strip()方法：Python strip()方法
L13、List append()方法：Python List append()方法
L19、np.zeros()：python中numpy.zeros(np.zeros)的使用方法
L30、weight_decay：深度学习剖根问底：weight decay等参数的合理解释
L46、python字典：Python 字典(Dictionary)
L46、collections.defaultdict()：collections.defaultdict()的使用
L63、with…as…用法：python with as的用法
L65、pkl.load()：Python如何读取pkl文件
L69、tuple()：Python Tuple(元组) tuple()方法
L87、np.vstack：Numpy中stack()，hstack()，vstack()函数详解
L87、sp.tolil()：scipy.sparse.spmatrix.tolil、scipy.sparse.csr_matrix.tolil、scipy.sparse.lil_matrix

lil_matrix Data Structure：二元组
1、一个行数组(self.rows)，每行都是（非零元素的列索引）的排序列表。
2、在self.data中以类似的方式存储相应的非零值。

L88、切片操作：Python高级特性——切片（Slice）
矩阵切片：python3 矩阵的切片、python numpy矩阵切片和字符串切片
L91、from_dict_of_lists：from_dict_of_lists
L91、adjacency_matrix：adjacency_matrix
L103、numpy函数：shape：Python numpy函数：shape用法
L148、sp.coo_matrix：sp.coo_matrix
L149、np.sum：python 列表,数组和矩阵sum的用法及区别介绍
L150、np.flatten：numpy flatten
L151、np.isinf：NumPy 常用数学函数
L152、sp.diags：scipy.sparse.diags
L153、np.transpose()：np.transpose
L153、np.dot()：对NumPy中dot()函数的理解
L153、sp.tocoo()：scipy.sparse.csr_matrix.tocoo
L158、sp.eye()：稀疏单位矩阵

2.train. py 【训练】

L1、使用__future__
L8、from…import * 语句与 import 区别
L15、tf.set_random_seed：Tensorflow中关于随机数生成种子tf.set_random_seed()
L18、tf.app.flags()：Deep Learning学习笔记（六）详解tf.app.flags()和tf.app.run()的源码
L55、placeholder：tensorflow框架学习（一）placeholder 与variable
L56、tf.sparse_placeholder：TensorFlow函数：tf.sparse_placeholder
L57、tf.constant：tensorflow学习笔记（2）：常量（tf.constant）与变量（tf.Varialbe）
L58、shape()：python: numpy–函数 shape用法
L60、tf.placeholder_with_default：TensorFlow占位符操作：tf.placeholder_with_default
L68、tf.Session()：快速理解tf.Session()
L73、time.time()：Python time time()方法
L75、sess.run()：Tensorflow:sess.run():参数 feed_dict等作用、[学习笔记] TensorFlow 入门之基本使用
L80、tf.global_variables_initializer()：tensorflow学习笔记（四十五）：sess.run(tf.global_variables_initializer()) 做了什么？
L98、list.append()：python—学习笔记之append()
L105、early_stopping：深度学习技巧之Early Stopping（早停法）
L106、numpy.mean

3.model. py 【模型】

L9、**kwargs
L11、Python 字典(Dictionary) keys()方法
L13、Python 字典(Dictionary) get()方法
L40、变量作用域：tf.variable_scope()
L51、tf.get_collection()
L58、tf.train.Optimizer.minimize
L79、模型的保存与恢复(Saver)
L87、Python super() 函数
L92、tf.shape()和x.get_shape().as_list()
L95、优化器Optimizer
L102、tf.nn.l2_loss()的用法
L116、激活函数 tf.nn.relu 介绍
L124、lambda表达式
L129、tf.nn.softmax()

4.metrics. py 【计算误差&准确率】

L6、求交叉熵：tf.nn.softmax_cross_entropy_with_logits、例子
L7、转换数据格式：tf.cast
L8、计算平均值：tf.reduce_mean
L15、取最大值索引：tf.argmax
L15、判断相等：tf.equal

5.layer. py 【定义卷积层】

L4、解析命令行参数：tf.app.flags
L25、向下取整：tf.floor
L25、python中bool类型转换
L25、丢弃部分值：tf.sparse_retain
L57、assert断言
L58、字典的get()方法
L60、python类属性self.__ class__.__ name__
L61、name_scope
L62、直方图：tf.summary.histogram
L90、python super().__ init__()
L93、placeholders
L123、tf.nn.dropout

6.inits. py 【变量初始化文件】

1、统一初始化：uniform(shape, scale=0.05, name=None)
随机函数：tf.random_uniform
图变量的定义：tf.Variable
2、Glorot & Benio 初始化：glorot(shape, name=None)
dblp: AISTATS 2010
Glorot初始化方法
3、全零初始化：zeros(shape, name=None)
4、全1初始化：ones(shape, name=None)
Tensorlow 中文API：tf.zeros()、tf.ones()、tf.fill()、tf.constant()

7._ _ init _ _.py 【package的标识文件】

Python包中 _ _ init _ _.py的作用
1、使用python3.x的精确除法：from _ _ future _ _ import division
2、使用python3.x的print：from _ _ future _ _ import print_function

8.setup. py

python的构建工具：setup.py简介
setuptools简介（egg、setup、find_packages）

AE

1、tensorflow实现自编码网络
2、TensorFlow实现MNIST的自编码网络