因果发现工具箱是一个用于在图形中以及在Python> = 3.5的成对设置中进行因果推断的程序包。 包括用于图形结构恢复和依赖性的工具。 该软件包基于Numpy，Scikit-learn，Pytorch和R。 它主要基于观察数据，实现了许多用于图结构恢复的算法（包括来自bnlearn ， pcalg包的算法）。 使用pip安装它：（请参阅下面的安装详细信息） pip install cdt Docker镜像 Docker映像可用，包括所有依赖项和启用的功能： 科 主 开发者 Python 3.6-CPU Python 3.6-GPU 安装 这些软件包需要python版本> = 3.5，以及一些在列出的库。 对于某些其他功能，需要更多的库才能使这些附加功能和选项可用。 这是该软件包的快速安装指南，从最小安装到完整安装开始。 注意：（mini / ana）conda框架将帮助安装所有这些软件包，因此建议非专业用户使用。 安装PyTorch 由于cdt软件包中的某些关键算法使用PyTorch软件包，因此需要安装它。 请访问他们的网站以安装适合您的硬件配置的PyTorch版本：

程序说明 程序所在目录要保持结构不变，可以完整的独立在32位或64位系统上运行 程序源码为标准的QT5.2工程文件，编译器需C++11支持 程序运行说明 默认状态下，打开的程序主窗口只能拖一个虚线框，需点击绘图菜单，然后选择对应功能方可继续使用 在绘制图形过程中，都是以鼠标和键盘操作 绘制直线：点击一点不放，移动到另一点，直线随之移动，释放完成绘制 绘制矩形：点击任意一点，拖动不放，到另一点，绘制完成 绘制正方形：和矩形类似，期间按住Shift键 绘制圆（椭圆）：点击任意一点拖动 绘制三角形：先以画直线方式画一条直线，移动鼠标，会出现另两条虚线，点击完成三角形绘制 绘制多边形：类似画三角方式，只是多边形不会自动封闭，如果画五边形，则在画完三条边后按下ESC键，移动鼠标补充另外两条线，任意多边形同理。 直线段裁剪：点击后使用虚线框选中，然后只保留在框中的直线 缩放：缩放过程中，必须先确定缩放

S7-Graph汉化补丁给有需要的人 这个只是个补丁，不是程序，汉化的 给积分少人 S7-Graph汉化补丁给有需要的人 这个只是个补丁，不是程序，汉化的 给积分少人S7-Graph汉化补丁给有需要的人 这个只是个补丁，不是程序，汉化的 给积分少人

Stanford_CS106B_Assignments：我为斯坦福大学CS106B（C ++编程抽象）课程承担的作业的解决方案。 （2017-2018）

PyTextGCN 对TextGCN的重新实现。 此实现使用Cython进行文本到图形的转换，因此速度相当快。 图形和GCN基于库。 要求 该项目的构建具有： 的Python 3.8.5 Cython 0.29.21 CUDA 10.2（GPU支持可选） scikit学习0.23.2 pytorch 1.7.0 火炬几何1.6.3 海湾合作委员会9.3.0 nltk 3.5 scipy 1.5.2 至少Text2Graph模块也应该与这些库的其他版本一起使用。 安装 cython编译可以从项目的根目录执行： cd textgcn/lib/clib && python setup.py build_ext --inplace 用法 要从称为X的字符串列表（每个字符串包含一个文档的文本）中计算出图形，请创建名为y的标签列表以及测试索引test_idx的列表，只需运行：

研究@ Magic Leap（CVPR 2020，口腔） SuperGlue推理和评估演示脚本 介绍 SuperGlue是在Magic Leap完成的2020 CVPR研究项目。 SuperGlue网络是一个图形神经网络，结合了最佳匹配层，该层经过训练可以对两组稀疏图像特征进行匹配。 此存储库包含PyTorch代码和预训练权重，用于在关键点和描述符之上运行SuperGlue匹配网络。 给定一对图像，您可以使用此存储库在整个图像对中提取匹配特征。 SuperGlue充当“中端”，在单个端到端体系结构中执行上下文聚合，匹配和过滤。 有关更多详细信息，请参见： 全文：PDF： 。 作者： Pa

FPS Graph ， unity fps显示插件

有向无环图的并行DFS 根据， 是DFS遍历的并行算法的C ++实现。 该算法下的思想克服了基于DFS的标准标记方法的并行实现问题。 这是因为DFS在边缘访问和某些全局变量的使用方面要求严格的顺序，这在需要并行处理时代表了很大的局限性。 该算法为有向无环图（DAG）的DFS遍历提供了不超过3次BFS访问的有效解决方案，从而可以找到DAG节点之间的前序，后序和父级关系。 BFS的首次访问旨在将DAG转换为DT（图B）； 下次访问是在DT上完成的，它的作用是为每个节点找到子树的大小，子树的大小定义为可从其到达的节点数加上自身（图C）； 进行第三次访问时，可以获取根据DFS访问顺序先前应访问的节点，查看当前节点的先前同级和父级先前同级的子树大小（图D）。 从先前计算出的值开始，我们获得后顺序和前顺序（在此实现中未计算后顺序，但是只需对代码进行很小的更改即可轻松完成）（图E）。 请注意

This standard textbook of modern graph theory, now in its fifth edition, combines the authority of a classic with the engaging freshness of style that is the hallmark of active mathematics. It covers the core material of the subject with concise yet reliably complete proofs, while offering glimpses

课程实验资源，包括最基础的SVM，灰度共生矩阵，SIFT等一些算法，应用在识别，匹配的一些基础应用中；基础但是贴合理论。