美文网首页
Biogithub4--图网络学习

Biogithub4--图网络学习

作者: 可能性之兽 | 来源:发表于2022-06-20 23:07 被阅读0次

2022

「大规模图神经网络系统」2022最新综述:从算法到系统 (qq.com)

目前具有代表性的图神经网络框架:DGL[47]、PyTorch Geometric[48]、NeuGraph[49]、EnGN[50]、Euler[51]、PSGraph[52]、AliGraph[53]、Roc[54]、AGL[55]、PGL[56]。 DGL[47]是易于使用,高性能且可扩展的Python库,用于图结构的深度学习,能够与主流的深度学习框架集成,例如Tensorflow[20]、PyTorch[21]、MXNet[22]。PyTorch Geometric[48]是基于PyTorch构建的深度学习库,用于处理非结构化数据的深度学习。NeuGraph[49]是一种将数据流系统和图处理系统结合起来训练图神经网络的框架,它构建在现有的数据流引擎之上,使用Python和C++作为开发语言。EnGN[50]是一种以边为中心,专门用于大规模图神经网络训练的加速器。Euler[51]与PSGraph[52]是一个与深度学习工具集成的大规模分布式图学习框架,支持用户在数十亿点数百亿边的图上进行模型训练。AliGraph[53]是由阿里巴巴团队开发的采样建模训练一体化的图神经网络平台。Roc[54]是一种用于快速图神经网络训练的分布式多GPU框架。AGL[55]是用于工业用途图学习的集成系统,利用传统基础架构(MapReduce、参数服务器[57])实现了容错性和一致性。PGL (paddle graph learning)[56]是由百度开发的基于PaddlePaddle的高效灵活的图学习框架。

image.png

dmlc/dgl: Python package built to ease deep learning on graph, on top of existing DL frameworks. (github.com)

PyG Documentation — pytorch_geometric documentation (pytorch-geometric.readthedocs.io)

一些关于图的知识

我的研究方向(Research Interests) - 言非 - 博客园 (cnblogs.com)

2020

转载自图系列|图网络学习从入门到进阶:系列相关优质文章与资料汇总 - 知乎2020 (zhihu.com)

1.Tutorial教程合集(入门必读)

2.图网络进阶必读

3.综述论文

4.会议论文合集

5.论文快讯

6.相关资料

7.论文解读合集

8.动态时空图专题

9.动作识别专题

10.代码实战教程

相关文章

网友评论

      本文标题:Biogithub4--图网络学习

      本文链接:https://www.haomeiwen.com/subject/tncsvrtx.html