今天中午和杨老师还有学长开了会，以后基本每周五都会开会吧，报告一下这一周做了什么，感觉好紧张。之前还羡慕室友有组会，现在我一点也不羡慕了，好紧张啊~~
我这周看了GNN相关论文, plus花了周二一整天做了王老师课的作业，关于LegUp的Allocation算法，就是在调度schedule前, 看看手上有什么硬件，local memory, global memory（其实看了一天我也没看懂）
现在好想出去玩一玩，今天圣诞节欸。没得出去玩吗，张江民工这么惨的吗？？哈哈哈~~~
数了数手上有五个期末作业。哈哈哈~~~快乐~~~
刚刚去刷了一会儿豆瓣，等我的大衣到了再去看看要不要买新衣服。可能不好看要退。晚上去打羽毛球，鸽了sakura很久了，准备这回做个信守承诺的好孩子。。嘻嘻。。
杨老师出去谈事情了，学长学姐们去开题答辩了，实验室冷冷清清（感觉有种家里大人出去谈事情，小孩想狂玩的感觉）凄凄惨惨戚戚。。平常觉得他们吵吵闹闹，现在感觉他们在实验室才热闹。。
今天我讲ppt的时候语无伦次，感觉都没表达好意思。以后讲ppt前应该弄一份讲稿，或者练习一下。我真的今天讲得太差了，气气。。
总结一下这周看了哪些论文吧
1. 《Adaptive layout decomposition with graph embedding neural networks》
1. 因为新的纳米技术节点还未突破，layout decomposition 有意义，用来分步多次光刻，但是怎么划分是个 NP-hard 的问题。
2. 用RGCN作encoder, 有两类edge，一类为conflict edge, 一类为stitch edge。每个形状是一个node。相同颜色的形状之间距离如果太近的话，会产生conflict edge。可以引入stitch edge 来解决conflict. 目标是最小化conflict和stitch数
3. 每个node的输入是两类edge数和。 u = ReLU(Wu+u), 最后整张图的embedding 是各个节点out的和。
4. 用整张图的embedding 来构建graph Library和选择decompose算法( ILP or EC )
2. 《Graph Convolutional Networks for Text Classification》 (https://github.com/yao8839836/text_gcn)
1. 用GCN处理文本。将文本分为document nodes and word nodes. Word and word node 之间的edge 的权重用PMI (Pointwise Mutual Information)得到，word and document node 之间edge的权重用TF-IDF (Term Frequency - Inverse Document Frequency)得到。这样得到邻接矩阵A。输入矩阵X就是identity matrix，weight matrix W随机初始化。两层GCN。