neo4j desktop2 安装与使用

1. Neo4j Desktop 2 简介

1.1 Neo4j Desktop 2 的核心功能与优势

Neo4j Desktop 2 是 Neo4j 官方推出的图形化数据库管理工具,专为开发者和数据科学家设计。

其主要优势包括:

一体化开发环境:集成了数据库实例管理、查询编辑、数据可视化和扩展管理

本地开发友好:支持在本地机器上快速创建和测试图数据库实例

多版本管理:可同时管理多个 Neo4j 数据库版本

插件生态系统:内置插件市场,轻松安装常用扩展 

项目管理:以项目为单位组织数据库、查询和配置  

1.2 适用场景

图数据库开发:为应用程序开发提供本地图数据库环境

本地测试:在部署到生产环境前进行数据模型测试和查询验证

项目管理:管理多个图数据库项目,保持环境隔离

教育与学习:学习 Cypher 查询语言和图数据库概念

2.安装neo4j desktop2

需要装JAVA (注意桌面版和社区版对Java都有要求)

桌面版版本不能过低,建议SE14以上,不需要配置环境和路径;社区版版本不能太高,SE15

下,需要自己手动配置环境和路径。可以去java官网下载历史版本

历史版本下载需要官网注册,注册成功后,可以免费下载。

方法一与方法二下载的结果安装包一样,但是方法一只能下载最新版2.0.5

方法一、通过https://neo4j.com/download下载或者使用网页版

点击桌面版下载

跳转到以下页面

填写信息就会自动下载安装包

方法二、通过https://neo4j.com/下载

点击后跳转到以下页面

往下划找到以下页面即可,可以按自己的需求安装在相应的操作系统。可以下载最新版本2.0.5,也可以下载旧版本1.6,网络上1.6版本教程较多,使用方法也比较简单,本人下载的是2.0.5,网络上教程有点少,所以在使用时也有踩一些坑,比例说不知道怎么创建项目,不知道如何运行项目创建知识图谱,不知道用户名是Instance name还是database user。

3.创建并管理本地图数据库

3.1新建数据库实例:

点击创建一个项目

填写项目名称与密码后点击创建,这里可以看到dstabase user默认为neo4j。

3.2启动与停止数据库:

这里可以看到项目默认为关闭的(STOPPED),点击①标注的即可运行。

此时会弹出一个弹窗,关闭弹窗项目就会结束运行,需要启动时可以先隐藏。

此时可以点开database中查看数据库,默认只有neo4j一个,可以点击create database创建多个知识图谱。然后点击connect可以查看query和explore。

4.构造知识图谱的方法

4.1在查询编辑器中输入代码

4.1.1基础操作

(1)创建节点
// 创建人物节点
CREATE (p:Person {name: 'Alice', age: 30, occupation: 'Engineer'})

// 创建多个节点
CREATE 
  (p1:Person {name: 'Bob', age: 25}),
  (p2:Person {name: 'Charlie', age: 35}),
  (c:Company {name: 'Tech Corp', industry: 'Technology'})
(2)创建关系
// 先匹配节点,然后创建关系
MATCH 
  (a:Person {name: 'Alice'}),
  (b:Person {name: 'Bob'})
CREATE (a)-[:FRIENDS_WITH {since: '2023-01-01'}]->(b)

// 创建节点和关系同时进行
CREATE 
  (alice:Person {name: 'Alice'})-[:WORKS_AT {position: 'Developer'}]->(company:Company {name: 'Neo4j Inc'})
(3)添加/更新属性
// 添加属性
MATCH (p:Person {name: 'Alice'})
SET p.email = '[email protected]'

// 更新多个属性
MATCH (p:Person {name: 'Bob'})
SET p.age = 26, p.department = 'Engineering'

// 添加标签
MATCH (p:Person {name: 'Charlie'})
SET p:Employee:Manager

4.1.2查询操作

(1)MATCH 基础查询
// 查询所有人物
MATCH (p:Person) 
RETURN p

// 查询特定属性
MATCH (p:Person) 
WHERE p.age > 25 
RETURN p.name, p.age

// 查询关系和路径
MATCH (p1:Person)-[r:FRIENDS_WITH]->(p2:Person)
RETURN p1.name, p2.name, r.since
(2)复杂查询示例
// 查找朋友的朋友
MATCH (p:Person {name: 'Alice'})-[:FRIENDS_WITH*2]->(friendOfFriend)
RETURN friendOfFriend.name

// 聚合查询
MATCH (p:Person)
RETURN p.occupation, COUNT(*) as count, AVG(p.age) as avgAge

// 路径查询
MATCH path = (start:Person)-[:FRIENDS_WITH|WORKS_AT*1..3]->(end)
WHERE start.name = 'Alice'
RETURN path

4.2通过import导入csv等文件导入节点

4.3使用python代码

使用代码连接neo4j

踩坑点:

“neo4j://127.0.0.1:7687”是项目上的url,auth=("neo4j","密码")这是用户名database user与创建项目时设置的密码。

4.4在网站上输入http://localhost:7474,可以连接neo4j网页版,输入密码即可。

如果习惯使用旧版本,点击红色即可使用旧版本的neo4j。

以下为旧版本页面

然后通过右键可以使用expand查看相关节点。

Read more

宇树 Qmini 双足机器人训练个人经验总结

宇树 Qmini 双足机器人训练个人经验总结

github:https://github.com/vsislab/RoboTamer4Qmini 本篇内容基于我在 AutoDL 云服务器 上对 Qmini 做完整训练与测试的实践总结,涵盖训练、可视化、策略测试、模型导出、URDF 调试等环节,并重点说明 headless(无显示)环境下的各种坑与解决方案。希望能帮到后来者少走弯路。 前提说明:为什么不建议在云端直接跑渲染? 我最开始的目标是:训练、渲染、视频录制全部在 AutoDL 上完成,不经过本地运行。 然而现实是: * 即使用 Xvfb 等虚拟显示器启动 Isaac Gym,也会发生视频保存全黑的情况。 * VNC 远程桌面也无法正常显示 Isaac Gym 的渲染窗口。 * 根本原因来自 驱动版本过高与 Isaac Gym 对驱动的强依赖。 因此更推荐:

By Ne0inhk

论文阅读:Language models are few-shot learners

Brown T, Mann B, Ryder N, et al. Language models are few-shot learners[J]. Advances in neural information processing systems, 2020, 33: 1877-1901. 引言 自然语言处理(NLP)领域已经从学习“特定任务的表示”和设计“特定任务的架构”,转向了使用“任务无关的预训练”和“任务无关的架构” 。目前主流的方法通常分为两步:首先是任务无关的预训练,然后是针对特定任务的微调,即在特定的大型数据集上更新模型权重以适应所需任务。 然而最近的研究表明,微调这一步可能并非必须 。作者提出语言模型可以被理解为“元学习者”。这意味着模型在预训练期间通过“慢速”的梯度下降学习了广泛的技能,而在推理时可以通过“快速”的上下文学习来适应新任务,而无需更新权重。在所有任务中,

By Ne0inhk
2024年ESWA SCI1区TOP,带有机器人站点的无人机辅助车辆路径规划问题,深度解析+性能实测

2024年ESWA SCI1区TOP,带有机器人站点的无人机辅助车辆路径规划问题,深度解析+性能实测

目录 * 1.摘要 * 2.带有机器人站点的无人机辅助车辆路径规划问题 * 3.求解方法 * 4.结果展示 * 5.参考文献 * 6.代码获取 * 7.算法辅导·应用定制·读者交流 1.摘要 本文提出了带有机器人站点的无人机辅助车辆路径规划问题(VRPD-RS),并将其建模为混合整数线性规划(MILP)问题,分析了卡车、无人机和机器人对配送车队的影响。针对该问题,本文提出了广义变邻域搜索算法(GVNS),并与模拟退火算法(SA)进行了对比。结果表明,GVNS在小规模实例中与求解器最优解接近,在大规模实例中提升了21.5%的最小完成时间和8.0%的运营成本,且在计算效率上优于SA。 2.带有机器人站点的无人机辅助车辆路径规划问题 本文提出了带有机器人站点的无人机辅助车辆路径规划问题(VRPD-RS),该问题扩展了传统的TSP-D-RS模型,考虑了多个卡车与无人机的协同工作,并引入机器人站点辅助配送。目标是最小化最小完成时间或运营成本。论文采用混合整数线性规划模型(MILP)

By Ne0inhk
教你用Coze低代码搭AI小程序,零编程也能轻松变现!入门门槛贼低!心动不如行动!

教你用Coze低代码搭AI小程序,零编程也能轻松变现!入门门槛贼低!心动不如行动!

大家好,我是小坤,专注分享实用 AI 变现技巧与智能体搭建及变现,无偿分享AI领域相关的变现玩法。目前正在钻研Coze智能体的搭建和如何使用Coze工作流做好自己的自媒体矩阵! 正在学习COZE智能体的小伙伴可以关注小坤领取价值1580元的免费资料哦~ 原文链接 想要学习AI智能体嘛?想要知道怎么用AI变现嘛!关注我“技术小坤”! 想靠AI工具赚钱却不懂代码?担心技术门槛高、开发周期长?现在这些问题都能解决!扣子(Coze)的低代码开发功能,让普通人也能快速搭建专属AI助手,发布后就能通过商店流量、API集成、定制服务等方式变现,真正实现“零技术投入,高收益回报”。今天就手把手教你从0到1构建应用,解锁AI时代的赚钱新路径! 目前我遇到的很多人已经做这个了,就是做好一个成熟的小程序,通过分发这个小程序,卖API来获取收益,目前很多智能体都是刚需啊! 先搞懂:用Coze低代码应用,怎么赚钱? 在动手搭建前,先明确核心收益逻辑——你的AI助手能解决具体需求,就有变现可能: 1. 商店流量分成:发布到扣子商店,按用户使用量、付费订阅获得收益,平台自带流量池,无需自己推广;

By Ne0inhk