Pytorch自动求导机制详解
在深度学习中，我们通常需要训练一个模型来最小化损失函数。这个过程可以通过梯度下降等优化算法来实现。梯度是函数在某一点上的变化率，可以告诉我们如何调整模型的参数以使损失函数最小化。自动求导是一种计算梯度的技术，它允许我们在定义模型时不需要手动推导梯度计算公式。PyTorch 提供了自动求导的功能，使得梯度的计算变得非常简单和高效。
深入解读TuGraph计算引擎模型推理系统
TuGraph计算引擎模型推理系统将基于迭代计算的图计算框架与模型推理系统相结合，推理系统可自定义推理依赖环境，图迭代计算与推理链路实现隔离。基于共享内存的跨进程通信方式，提高了推理数据交换效率，满足流图近线推理的时效性。
打击黑灰产的利器 —— 图神经网络（GNN）
阿里巴巴安全部数据与算法团队一直致力于与黑灰产进行对抗，保障用户在淘宝、天猫、闲鱼等平台上的使用体验和切身利益。面对狡猾的黑灰产，我们研究出了一系列算法武器，图神经网络（GNN）是其中重要的防控技术。本文结合阿里开源GNN框架Graph-Learn（https://github.com/alibaba/graph-learn）进行介绍。
一文看懂开源图化框架中的循环设计逻辑！
相信大家在日常工作中，已经精通各种循环逻辑的实现。就拿我来说吧，多年的工作经验，已经让我可以熟练的使用 C++，Python，英语等多种语言，循环多次输出“hello word”。不过大家有没有想过一个这样的问题：如何在一个有向无环图（Directed Acyclic Graph，简称dag）中实现循环呢？