a ơi em muốn load model và finetune với tensorflow để phân loại văn bản thì làm thế nào ạ ?

Hay

Đúng rồi bác. Nhưng do Materialized Path này có vẻ dễ tiếp cận hơn nên mình muốn chia sẻ cái này. Thanks bác đã chia sẻ thêm

Hay quá, cảm ơn bạn đã chia sẻ

Bạn có thể dùng nested set model cho bài toán này. Nhược điểm: insert chậm và update chậm Ưu điểm: Query nhanh

@phanhoang Em cảm ơn anh nhiều ạ. Em hiểu ý anh rồi ạ. Cơ mà em vẫn đang hơi rối não về shape của các thành phần. Em muốn hỏi là:

• $x_v$ sẽ là ma trận chứa mọi node feature. hay chỉ là một vector của một node feature thôi ạ.
• Với Mean Aggregator, thì $h^k_N(v)$ sẽ là ma trận hay chỉ là một vector sau khi lấy Mean element-wise trên các $h^{k-1}_u$ thôi ạ.
• Với LSTM, thì mạng sẽ many to many ( $h^k_N(v)$ sẽ là ma trận )hay many to one ($h^k_N(v)$ là một vector) ạ.
• Với Max Pooling Aggregator, thì $h^k_N(v)$ sẽ là ma trận phải không ạ.

Em hỏi hơi ngu mong anh thông cảm ạ. Tại em đang nghĩ shape của $h^k_N(v)$ sau khi qua Max Pooling Aggregator thì sẽ là một ma trận, và LSTM chắc cũng vậy. Còn với Mean Aggregator thì sẽ chỉ là một vector thôi, chứa ít thông tin và còn bị lấy trung bình nên hiệu quả đem lại không bằng Max Pooling và LSTM ạ.

Em cảm ơn anh nhiều ạ.

Cảm ơn bạn @ThongLe

Beautiful sunday! Thư giản tí đi bạn hiền. Tắm biển, nhà hàng, cofee,...

Nhiệt tình của bạn thật đáng nể. Tks a lot!

Chị cho e hỏi, Với các trường chọn ngày tháng tự động từ Datepicker thì có cần phải viết testcase cho các trường hợp sai định dạng (Các giá trị ngày / tháng/năm không đúng ví dụ ngày chỉ có từ 01-31 ngày, tháng chỉ có 12 tháng) n không ạ?

Tôi là người mới tự học ko qua trường lớp gì , đọc bài hướng dẫn của bạn tôi muốn khóc thật sự . Dài dòng khó hiểu . Cay nhất là cái chỗ , Item Screen nó vốn đã như cái List Screen , tại sao ko để ra thẳng luôn mà phải open Item Screen qua List Screen . Nó làm những người mới như tôi đau đầu thật sự .

Đúng rồi em nhé. Khi cần custom thêm server mới cần cài thêm Express. Còn không thì e chỉ cần Nextjs là đã đủ

đúng rồi ak

@NgHoang Hi bạn,

• Thực tế là input và output ko cần thiết phải cùng kích thước bạn ạ. Đồng nghĩa với $h^k_v$ và $h^{k - 1}_v$ không cần cùng kích thước, với $h^0_v$ = $x$, chính là node feature được khởi tạo ban đầu tại từng nút. Concat ở đây chắc bạn đang hiểu lầm 1 chút, ví dụ với $h^{k - 1}_v$ có shape = (a, b), $h^{k}_{N(V)}$ có shape = (a, c) thì lúc concat thu được $h^{k }_v$ mới với shape (a, b + c), ở đây là concat theo chiều thứ 2. Ví dụ trong numpy phải để chỗ axis=1 chẳng hạn: https://numpy.org/doc/stable/reference/generated/numpy.concatenate.html, tương tự với các lib khác.

Hi vọng giúp được bạn.

Anh ơi, cho em hỏi với. Ở phần Max Pooling Aggregator của GraphSAGE, ở phần mạng fully connected thì Input (là vector Neighbor) và Output sẽ có cùng kích cỡ phải không ạ? Vì phải cùng kích cỡ thì sau đó Output mới concat được với vector của từ đang xét ạ.

Mình vẫn luôn ủng hộ

cho em xin source code với ạ

Vậy thì bạn hãy sử dụng InheritedWidget và đặt nó ở vị trí ông tổ để các cháu chắt chút chít có thể bỏ bước, trực tiếp lấy data của ông tổ: https://viblo.asia/p/hoc-flutter-tu-co-ban-den-nang-cao-phan-4-lot-tran-inheritedwidget-3P0lPDbmlox

@nguyen.thanh.minhb thanks bạn, rất ủng hộ bạn. Mình tìm đọc khá nhiều bài nhưng bạn có cách viết rất hay, dễ hiểu...cho cả người mới mò mẫm như mình.

Lời kết bạn viết hay hơn cả bài đấy . Mình muốn hỏi, nếu widget con muốn lấy thuộc tính của widget ông tổ luôn thì có làm được không, dạng bỏ bước ấy.

@v1t2m3 cảm ơn bạn, công việc tay trái của mình là dạy Toán. Nhưng mình thấy kỹ năng sư phạm của mình vẫn còn yếu nên mình vẫn đang rèn luyện nó hằng ngày qua các bài viết. Nếu chỗ nào bạn cảm thấy câu văn quá khó hiểu, đừng ngại comment cho mình biết nhé. Thank bạn