概述:本篇文章主要来源于对论文《AUTOMATING BOTNET DETECTION WITH GRAPH NEURAL NETWORKS》阅读过程中对僵尸网络检测技术的一些总结与思考,后续还会更新其他僵尸网络检测方面的一些新进展。
pytorch训练过程中动态调整学习速率
概述:本文主要讲述要在pytorch中设置学习速率自动调整的方法,即如何使用torch.optim.lr_scheduler
。
图神经网络进行僵尸网络检测源码解析
概述:首页描述
图神经网络基础
概述:本文主要讲述了图神经网络的工作原理以及基础知识。
TLS安全协议
概述:首页描述
邮件安全之发件人伪造
概述:首页描述
pandas使用多进程进行数据处理
概述:pandas是一种非常常用的数据分析工具,但是pandas本身并没有任何多线程,因此对于数据量比较大的数据很难进行高效的数据处理,因此本文提供了一种使用joblib库使pandas计算多进程计算的方式,使其可以高效的进行数据处理。
pandas使用tqdm进度条
概述:tqdm工具常用来在python中执行for循环时生成进度条工具,从而显式的观察到任务的完成状态以及全部完成需要的时间,现在tqdm同样提供了对pandas中apply和gooupby的支持,这里简要说明其使用方法。
谱聚类
概述:首页描述
docker部署gpu-pytorch环境
概述:最近在公司的服务器上里进行环境部署,需要使用GPU进行深度学习,发现之前使用docker部署的环境直接安装nvidia驱动会不停的产生错误,折腾了一整天,终于成功的在docker镜像中成功部署显卡驱动,使用pytorch成功调用显卡进行深度学习训练,本篇博客对整个docker-torch-gpu部署过程进行记录。