id int64 18 21.1k | created_at timestamp[ns, tz=UTC]date 2026-02-23 07:30:20 2026-02-24 16:54:39 | updated_at timestamp[ns, tz=UTC]date 2026-02-23 08:08:14 2026-02-24 16:54:39 | doc_name stringclasses 1
value | input stringlengths 11 9.24k | output stringlengths 0 738 | is_personal bool 2
classes | is_sentence bool 2
classes | is_corrected bool 2
classes |
|---|---|---|---|---|---|---|---|---|
18,307 | 2026-02-24T14:29:42.972000Z | 2026-02-24T14:29:42.972000Z | Lec. | Файлы GraphTopologies.h/cpp содержат реализацию всех типов графов топологий | false | true | false | |
18,306 | 2026-02-24T14:29:40.500000Z | 2026-02-24T14:29:40.500000Z | Lec. | Cодержит файлы GraphTopologies.h/cpp и файл Utils.h | false | true | false | |
18,305 | 2026-02-24T14:29:38.147000Z | 2026-02-24T14:29:38.147000Z | Lec. | Тут будут картинки архитектуры | false | true | false | |
18,304 | 2026-02-24T14:29:35.034000Z | 2026-02-24T14:29:35.034000Z | Lec. | Модуль импорта и экспорта не вынесен как отдельный модуль, а работает внутри PageManager | false | true | false | |
18,303 | 2026-02-24T14:29:32.614000Z | 2026-02-24T14:29:32.614000Z | Lec. | При взаимодействии пользователя с канвасом он взаимодействует с CanvasWidget и с Layout напрямую | false | true | false | |
18,302 | 2026-02-24T14:29:30.147000Z | 2026-02-24T14:29:30.148000Z | Lec. | Дальше рассмотрено взаимодействие модулей при трех сценариях | false | true | false | |
18,301 | 2026-02-24T14:29:26.409000Z | 2026-02-24T14:29:26.409000Z | Lec. | Архитектура монолитная, но включает в себя логические модули, которые взаимодействуют между собой | false | true | false | |
18,300 | 2026-02-24T14:29:23.502000Z | 2026-02-24T14:29:23.503000Z | Lec. | Модули приложения | false | true | false | |
18,299 | 2026-02-24T14:29:20.863000Z | 2026-02-24T14:29:20.863000Z | Lec. | Модули приложения: | false | true | false | |
18,298 | 2026-02-24T14:29:13.752000Z | 2026-02-24T14:29:13.752000Z | Lec. | Ссылка на Git-репозиторий: https://git.miem.hse.ru/1282/gepp/-/tree/qt-version?ref_type=heads | false | true | false | |
18,297 | 2026-02-24T14:29:10.254000Z | 2026-02-24T14:29:10.254000Z | Lec. | Точка входа в проект (main.cpp): /main.cpp | false | true | false | |
18,296 | 2026-02-24T14:29:06.714000Z | 2026-02-24T14:29:06.714000Z | Lec. | CMake 3.23 - система сборки | false | true | false | |
18,295 | 2026-02-24T14:29:04.397000Z | 2026-02-24T14:29:04.397000Z | Lec. | C++17, компиляторы gcc и MSVC | false | true | false | |
18,294 | 2026-02-24T14:29:01.743000Z | 2026-02-24T14:29:01.743000Z | Lec. | Visual Studio Code - IDE разработки | false | true | false | |
18,293 | 2026-02-24T14:28:59.336000Z | 2026-02-24T14:28:59.336000Z | Lec. | Qt 5.10 - фреймворк, используемый для отрисовки графического. интерфейса программы и модуля экспорта | false | true | false | |
18,292 | 2026-02-24T14:28:56.415000Z | 2026-02-24T14:28:56.415000Z | Lec. | Используемые технологии: | false | true | false | |
18,291 | 2026-02-24T14:28:52.637000Z | 2026-02-24T14:28:52.637000Z | Lec. | Дата последнего обновления: 09.05.25 | false | false | false | |
18,290 | 2026-02-24T14:28:50.217000Z | 2026-02-24T14:28:50.217000Z | Lec. | Версия: 0.1.0 (qt-version branch) | false | false | false | |
18,289 | 2026-02-24T14:28:47.584000Z | 2026-02-24T14:28:47.584000Z | Lec. | Название ПО: Graph Editor Pro Plus | false | true | false | |
18,288 | 2026-02-24T14:28:44.306000Z | 2026-02-24T14:28:44.306000Z | Lec. | Документация разработчика для проекта №1282. «Программный инструмент визуализации графов» | false | true | false | |
18,287 | 2026-02-24T14:28:41.469000Z | 2026-02-24T14:28:41.469000Z | Lec. | Параметры конструктора:. learning_rate (float): скорость обучения. device (str): устройство ("cpu" или "cuda"). criterion (nn.Module): функция потерь. **kwargs: гиперпараметры модели:. in_channels (int): размерность входных признаков. hidden_channels (int): размерность скрытого слоя. num_layers (int): количество слоев GCN. dropout (float): вероятность дропаута | false | false | false | |
18,286 | 2026-02-24T14:28:38.596000Z | 2026-02-24T14:28:38.596000Z | Lec. | Назначение: тренер для модели GCNModel | false | true | false | |
18,285 | 2026-02-24T14:28:36.251000Z | 2026-02-24T14:28:36.251000Z | Lec. | Поддерживает обучение на GPU через параметр device | false | true | false | |
18,284 | 2026-02-24T14:28:33.774000Z | 2026-02-24T14:28:33.774000Z | Lec. | Автоматически инициализирует модель TransformerGNN и оптимизатор Adam | false | true | false | |
18,283 | 2026-02-24T14:28:31.080000Z | 2026-02-24T14:28:31.080000Z | Lec. | Особенности: | false | true | false | |
18,282 | 2026-02-24T14:28:27.470000Z | 2026-02-24T14:28:27.470000Z | Lec. | Параметры конструктора:. learning_rate (float): скорость обучения. device (str): устройство ("cpu" или "cuda"). criterion (nn.Module): функция потерь. **kwargs: гиперпараметры модели:. in_channels (int): размерность входных признаков. hidden_channels (int): размерность скрытого слоя. num_heads (int): количество голов внимания | false | false | false | |
18,281 | 2026-02-24T14:28:24.449000Z | 2026-02-24T14:28:24.449000Z | Lec. | Наследование: AbstractModelTrainer | false | false | false | |
18,280 | 2026-02-24T14:28:21.560000Z | 2026-02-24T14:28:21.560000Z | Lec. | Назначение: тренер для модели TransformerGNN | false | true | false | |
18,279 | 2026-02-24T14:28:19.032000Z | 2026-02-24T14:28:19.032000Z | Lec. | Параметры:. run_path (str, опционально): путь к чекпоинту | false | true | false | |
18,278 | 2026-02-24T14:28:16.600000Z | 2026-02-24T14:28:16.600000Z | Lec. | Назначение: загружает веса лучшей модели из чекпоинта | false | true | false | |
18,277 | 2026-02-24T14:28:14.292000Z | 2026-02-24T14:28:14.292000Z | Lec. | Параметры:. train_loader (DataLoader): загрузчик обучающих данных. valid_loader (DataLoader, опционально): загрузчик валидационных данных. num_epochs (int, опционально): количество эпох (по умолчанию: 5). load_best_model(self, run_path=None): | false | false | false | |
18,276 | 2026-02-24T14:28:11.450000Z | 2026-02-24T14:28:11.450000Z | Lec. | Назначение: запускает цикл обучения | false | true | false | |
18,275 | 2026-02-24T14:28:08.986000Z | 2026-02-24T14:28:08.986000Z | Lec. | Возвращает:. np.ndarray: массив предсказаний. fit(self, train_loader, valid_loader=None, num_epochs=5): | true | false | false | |
18,274 | 2026-02-24T14:28:06.397000Z | 2026-02-24T14:28:06.397000Z | Lec. | Параметры:. data_loader (DataLoader): загрузчик данных | false | true | false | |
18,273 | 2026-02-24T14:28:04.046000Z | 2026-02-24T14:28:04.046000Z | Lec. | Назначение: возвращает предсказания модели на датасете | false | true | false | |
18,272 | 2026-02-24T14:28:01.670000Z | 2026-02-24T14:28:01.670000Z | Lec. | Возвращает:. float: среднее значение потерь. predict(self, data_loader): | false | false | false | |
18,271 | 2026-02-24T14:27:58.930000Z | 2026-02-24T14:27:58.930000Z | Lec. | Параметры:. data_loader (DataLoader): загрузчик данных. criterion (nn.Module, опционально): функция потерь (если не указана, используется self.criterion) | false | false | false | |
18,270 | 2026-02-24T14:27:56.140000Z | 2026-02-24T14:27:56.140000Z | Lec. | Назначение: оценивает модель на всем датасете | false | true | false | |
18,269 | 2026-02-24T14:27:53.345000Z | 2026-02-24T14:27:53.346000Z | Lec. | Возвращает:. float: значение потерь для текущего шага. evaluate(self, data_loader, criterion=None): | false | false | false | |
18,268 | 2026-02-24T14:27:50.542000Z | 2026-02-24T14:27:50.542000Z | Lec. | Параметры:. data (Data): батч данных (объект PyTorch Geometric) | false | true | false | |
18,267 | 2026-02-24T14:27:47.948000Z | 2026-02-24T14:27:47.948000Z | Lec. | Назначение: выполняет один шаг обучения на батче данных | false | true | false | |
18,266 | 2026-02-24T14:27:45.355000Z | 2026-02-24T14:27:45.355000Z | Lec. | Методы:. train_step(self, data): | false | false | false | |
18,265 | 2026-02-24T14:27:42.446000Z | 2026-02-24T14:27:42.446000Z | Lec. | Параметры конструктора:. model (nn.Module): экземпляр модели (например, HOGA или TransformerGNN). optimizer (optim.Optimizer): оптимизатор (например, torch.optim.Adam). criterion (nn.Module): функция потерь (например, MAPE_loss). device (str): устройство для вычислений ("cpu" или "cuda") | false | false | false | |
18,264 | 2026-02-24T14:27:39.664000Z | 2026-02-24T14:27:39.664000Z | Lec. | Определяет общий интерфейс для обучения, оценки и предсказания | false | true | false | |
18,263 | 2026-02-24T14:27:36.502000Z | 2026-02-24T14:27:36.502000Z | Lec. | Назначение: абстрактный базовый класс для всех тренеров моделей | false | true | false | |
18,262 | 2026-02-24T14:27:33.944000Z | 2026-02-24T14:27:33.944000Z | Lec. | Параметры конструктора:. in_channels (int): размерность входных признаков. hidden_channels (int): размерность скрытого слоя. out_channels (int): размерность выхода. num_layers (int): количество слоев. dropout (float): вероятность дропаута. num_hops (int): количество шагов агрегации. heads (int): количество голов внимания | false | false | false | |
18,261 | 2026-02-24T14:27:30.933000Z | 2026-02-24T14:27:30.933000Z | Lec. | Логика: последовательно применяет слои GCNConv с пакетной нормализацией (BatchNorm) | false | true | false | |
18,260 | 2026-02-24T14:27:27.741000Z | 2026-02-24T14:27:27.741000Z | Lec. | Параметры конструктора:. in_channels (int): размерность входных признаков. hidden_channels (int): размерность скрытого слоя. out_channels (int): размерность выхода. num_layers (int): количество слоев GCN. dropout (float): вероятность дропаута (например, 0.5) | false | false | false | |
18,259 | 2026-02-24T14:27:24.714000Z | 2026-02-24T14:27:24.714000Z | Lec. | Назначение: классическая графовая сверточная сеть (GCN) с поддержкой пакетной нормализации | false | true | false | |
18,258 | 2026-02-24T14:27:22.224000Z | 2026-02-24T14:27:22.224000Z | Lec. | Логика: применяет два слоя TransformerConv с активацией ReLU | false | true | false | |
18,257 | 2026-02-24T14:27:19.356000Z | 2026-02-24T14:27:19.356000Z | Lec. | Параметры конструктора:. in_channels (int): размерность входных признаков. hidden_channels (int): размерность скрытого слоя. out_channels (int): размерность выхода. num_heads (int, опционально): количество голов внимания (по умолчанию: 4) | false | false | false | |
18,256 | 2026-02-24T14:27:16.117000Z | 2026-02-24T14:27:16.117000Z | Lec. | Назначение: реализация GNN на основе механизма внимания из трансформеров | false | true | false | |
18,255 | 2026-02-24T14:27:13.165000Z | 2026-02-24T14:27:13.165000Z | Lec. | Возвращает: выход модели (тензор) | false | true | false | |
18,254 | 2026-02-24T14:27:10.691000Z | 2026-02-24T14:27:10.691000Z | Lec. | Параметры:. x (Tensor): признаки узлов (размерность: [num_nodes, in_channels]). edge_index (Tensor): индексы ребер (размерность: [2, num_edges]). batch (Tensor): вектор, указывающий принадлежность узлов к батчам | false | false | false | |
18,253 | 2026-02-24T14:27:07.677000Z | 2026-02-24T14:27:07.677000Z | Lec. | Назначение: определяет прямой проход модели | false | true | false | |
18,252 | 2026-02-24T14:27:05.053000Z | 2026-02-24T14:27:05.053000Z | Lec. | Параметры конструктора:. in_channels (int): размерность входных признаков узлов. hidden_channels (int): размерность скрытых слоев. out_channels (int): размерность выходного слоя. **kwargs: дополнительные параметры (например, гиперпараметры) | false | false | false | |
18,251 | 2026-02-24T14:27:02.109000Z | 2026-02-24T14:27:02.109000Z | Lec. | Назначение: абстрактный базовый класс для всех графовых нейронных сетей | false | true | false | |
18,250 | 2026-02-24T14:26:58.690000Z | 2026-02-24T14:26:58.690000Z | Lec. | Назначение: запускает обучение | false | true | false | |
18,249 | 2026-02-24T14:26:56.276000Z | 2026-02-24T14:26:56.276000Z | Lec. | Методы:. fit(train_loader, val_loader) | false | false | false | |
18,248 | 2026-02-24T14:26:53.354000Z | 2026-02-24T14:26:53.354000Z | Lec. | Параметры конструктора:. learning_rate (float): скорость обучения. device (str): устройство ("cpu" или "cuda"). criterion (nn.Module): функция потерь. **kwargs: гиперпараметры модели (например, hidden_channels=256) | false | false | false | |
18,247 | 2026-02-24T14:26:50.509000Z | 2026-02-24T14:26:50.509000Z | Lec. | Назначение: создает тренер модели | false | true | false | |
18,246 | 2026-02-24T14:26:47.816000Z | 2026-02-24T14:26:47.816000Z | Lec. | Назначение: запускает обучение или тестирование. create_model_trainer(config) | false | true | false | |
18,245 | 2026-02-24T14:26:45.472000Z | 2026-02-24T14:26:45.472000Z | Lec. | Методы:. run() | false | false | false | |
18,244 | 2026-02-24T14:26:43.091000Z | 2026-02-24T14:26:43.091000Z | Lec. | Назначение: создает Dataset | false | true | false | |
18,243 | 2026-02-24T14:26:40.057000Z | 2026-02-24T14:26:40.057000Z | Lec. | Назначение: проверяет ошибки в данных. create_dataset() | false | true | false | |
18,242 | 2026-02-24T14:26:37.498000Z | 2026-02-24T14:26:37.498000Z | Lec. | Методы:. check_errors() | false | true | false | |
18,241 | 2026-02-24T14:26:35.197000Z | 2026-02-24T14:26:35.197000Z | Lec. | Методы:. fix_error(graphml_file_path) | false | false | false | |
18,240 | 2026-02-24T14:26:32.787000Z | 2026-02-24T14:26:32.787000Z | Lec. | Назначение: Исправляет ошибки в данных (абстрактный метод) | false | true | false | |
18,239 | 2026-02-24T14:26:29.779000Z | 2026-02-24T14:26:29.779000Z | Lec. | Методы:. fix_error(data) | false | true | false | |
18,238 | 2026-02-24T14:26:27.434000Z | 2026-02-24T14:26:27.434000Z | Lec. | Возвращает: модифицированный объект data | false | true | false | |
18,237 | 2026-02-24T14:26:24.378000Z | 2026-02-24T14:26:24.378000Z | Lec. | Возвращает: кортеж (DAD, AD, DA) | false | true | false | |
18,236 | 2026-02-24T14:26:21.970000Z | 2026-02-24T14:26:21.970000Z | Lec. | Методы:. forward(y_pred, y_true): аналогично MAPE_loss. preprocessing/preprocessing.py | false | false | false | |
18,235 | 2026-02-24T14:26:19.329000Z | 2026-02-24T14:26:19.329000Z | Lec. | Параметры:. y_pred (Tensor): предсказания. y_true (Tensor): истинные значения | false | true | false | |
18,234 | 2026-02-24T14:26:16.887000Z | 2026-02-24T14:26:16.887000Z | Lec. | Параметры конструктора:. epsilon (float, default=1e-6): малое значение для предотвращения деления на ноль | false | false | false | |
18,233 | 2026-02-24T14:26:14.232000Z | 2026-02-24T14:26:14.232000Z | Lec. | Возвращает: значение функции потерь | false | true | false | |
18,232 | 2026-02-24T14:26:11.878000Z | 2026-02-24T14:26:11.878000Z | Lec. | Параметры:. output (Tensor): предсказания модели. target (Tensor): истинные значения | false | true | false | |
18,231 | 2026-02-24T14:26:09.115000Z | 2026-02-24T14:26:09.115000Z | Lec. | Назначение: базовый класс для пользовательских критериев | false | true | false | |
18,230 | 2026-02-24T14:26:06.783000Z | 2026-02-24T14:26:06.783000Z | Lec. | Возвращает: экземпляр критерия | false | true | false | |
18,229 | 2026-02-24T14:26:04.205000Z | 2026-02-24T14:26:04.205000Z | Lec. | Параметры:. criterion_name (str): имя критерия;. **kwargs: дополнительные параметры (например, epsilon для MAPE_loss) | false | true | false | |
18,228 | 2026-02-24T14:26:01.792000Z | 2026-02-24T14:26:01.792000Z | Lec. | Назначение: создает критерии по их имени | false | true | false | |
18,227 | 2026-02-24T14:25:59.357000Z | 2026-02-24T14:25:59.357000Z | Lec. | Параметры: нет | false | false | false | |
18,226 | 2026-02-24T14:25:57.101000Z | 2026-02-24T14:25:57.101000Z | Lec. | Назначение: точка входа в программу | false | true | false | |
18,225 | 2026-02-24T14:25:53.975000Z | 2026-02-24T14:25:53.975000Z | Lec. | Возвращает: закодированные признаки | false | true | false | |
18,224 | 2026-02-24T14:25:51.554000Z | 2026-02-24T14:25:51.554000Z | Lec. | Параметры:. node_features (list): признаки узлов. encoder (NodeFeatureEncoder): экземпляр энкодера (например, OneHotEncoder) | false | false | false | |
18,223 | 2026-02-24T14:25:48.653000Z | 2026-02-24T14:25:48.653000Z | Lec. | Назначение: обертка для кодирования признаков с использованием заданного энкодера | false | true | false | |
18,222 | 2026-02-24T14:25:46.435000Z | 2026-02-24T14:25:46.436000Z | Lec. | Возвращает: список one-hot векторов | true | true | false | |
18,221 | 2026-02-24T14:25:44.089000Z | 2026-02-24T14:25:44.089000Z | Lec. | Параметры:. node_features (list): список типов узлов | false | true | false | |
18,220 | 2026-02-24T14:25:41.524000Z | 2026-02-24T14:25:41.524000Z | Lec. | Возвращает: закодированные признаки (реализуется в дочерних классах) | false | false | false | |
18,219 | 2026-02-24T14:25:38.736000Z | 2026-02-24T14:25:38.736000Z | Lec. | Параметры:. node_features (list): список признаков узлов для кодирования | false | true | false | |
18,218 | 2026-02-24T14:25:36.145000Z | 2026-02-24T14:25:36.145000Z | Lec. | Назначение: абстрактный базовый класс для энкодеров | false | true | false | |
18,217 | 2026-02-24T14:25:33.679000Z | 2026-02-24T14:25:33.679000Z | Lec. | Start_Configs/Test.json 16 | false | false | false | |
18,216 | 2026-02-24T14:25:30.612000Z | 2026-02-24T14:25:30.612000Z | Lec. | Класс GraphConvTrainer 16 | false | false | false | |
18,215 | 2026-02-24T14:25:28.101000Z | 2026-02-24T14:25:28.102000Z | Lec. | Класс TransformerTrainer 15. 3 | false | false | false | |
18,214 | 2026-02-24T14:25:25.626000Z | 2026-02-24T14:25:25.626000Z | Lec. | Класс AbstractModelTrainer (ABC) 14. 2 | false | false | false | |
18,213 | 2026-02-24T14:25:22.767000Z | 2026-02-24T14:25:22.767000Z | Lec. | Trainer_and_Models/Model_trainer.py 14. 1 | false | false | false | |
18,212 | 2026-02-24T14:25:20.311000Z | 2026-02-24T14:25:20.312000Z | Lec. | Класс HOGA 13 | false | true | false | |
18,211 | 2026-02-24T14:25:17.985000Z | 2026-02-24T14:25:17.985000Z | Lec. | Класс GCNModel 13. 4 | false | false | false | |
18,210 | 2026-02-24T14:25:15.237000Z | 2026-02-24T14:25:15.237000Z | Lec. | Класс TransformerGNN 12. 3 | false | false | false | |
18,209 | 2026-02-24T14:25:12.747000Z | 2026-02-24T14:25:12.747000Z | Lec. | AbstractGraphModel (ABC, nn.Module) 12. 2 | false | false | false | |
18,208 | 2026-02-24T14:25:09.993000Z | 2026-02-24T14:25:09.993000Z | Lec. | Trainer_and_Models/Models.py 12. 1 | false | false | false |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.