Intro 在 abo-abo 的博客里翻倒一篇博文，将 completion-at-point 用到 org-mode 中，来补全引用内容 (即被 == 包围的内容). 这样，如果这个 symbol 在文档里面会重复多次，就不必每次都完整地输入 symbol,

Intro pytorch geometric 是基于 pytorch 的一个 GNN 框架库 安装 pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-1.7.0+${CUDA}.html pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-1.7.0+${CUDA}.html pip install torch-cluster -f https://pytorch-geometric.com/whl/torch-1.7.0+${CUDA}.html pip install torch-spline-conv -f https://pytorch-geometric.com/whl/torch-1.7.0+${CUDA}.html pip install torch-geometric 这里 ${CUDA} 根据对应的 cuda 版本选择：cpu, cu92, cu101, cu102, cu110 实验室 aimax 上的 cuda 版本

pyg 中的实现 message propagation 的公式： 实现 from typing import Union, Tuple from torch_geometric.typing import OptPairTensor, Adj, Size from torch import Tensor import torch from torch.nn import Linear import torch.nn.functional as F from torch_sparse import SparseTensor, matmul from torch_geometric.nn.conv import MessagePassing class SAGEConv(MessagePassing): def __init__(self, in_channels: Union[int, Tuple[int, int]], out_channels: int, normalize: bool = False, root_weight: bool = True, bias: bool = True, **kwargs):

为 entry 设置星标 使用 Emacs 阅读邮件与 RSS - Emacs-general - Emacs China my/elfeed-toggle-star 设置代理

问题背景 推导： 这个问题的物理含义是什么？ 似乎可以对应贝叶斯推断： 形式