Memulai dengan Deep Graph Library (DGL)
Pengingat tentang apa yang saya pelajari tentang Deep Graph Library (DGL) di pytorch.Pada dasarnya, kami akan menerjemahkan, meringkas, dan mengatur dokumentasi berikut.Saya dapat merevisi sesuai saat saya melihat ke belakang dan mempelajari hal-hal baru.
Sekilas tentang DGL
Apa itu Deep Graph Library
Deep Graph Library adalah pustaka python untuk mengimplementasikan model jaringan saraf grafik dengan mudah pada kerangka kerja pembelajaran mendalam yang ada seperti PyTorch dan MXNet.
Fungsi DGL
DGL memiliki fungsi sebagai berikut.
- Kontrol serbaguna, dari operasi tingkat rendah seperti pengaturan edge dan node hingga operasi tingkat tinggi seperti memperbarui fitur di seluruh grafik.
- Optimalisasi kecepatan komputasi dengan pengelompokan otomatis dan perkalian matriks jarang.
- Integrasi sempurna dengan kerangka pembelajaran mendalam yang ada.
- Antarmuka yang sederhana dan mudah digunakan untuk memanipulasi node/tepi/struktur grafik.
- Skalabilitas yang baik untuk grafik besar (grafik dengan puluhan juta simpul).
Model yang didukung
TBA
Cara menginstal DGL
OS yang didukung adalah sebagai berikut.
・Ubuntu 16.04
・macOS
·Windows 10
Ini didukung sebagai backend untuk perpustakaan berikut.
・Aliran Tensor
・PyTorch
・MXNet
・Gluon
DGL membutuhkan Python versi 3.5 atau lebih baru. 3.4 dan sebelumnya belum diuji.Juga, DGL dipisahkan menjadi CPU build dan CUDA build, jadi saat menggunakan GPU, ubah perintah instalasi sesuai dengan versi CUDA.
Cara menginstal dengan conda ada di sini
Berikut adalah cara menginstal dengan pip
Tutorial Diposting
Sepuluh model telah dibuat prototipenya di berbagai domain.
- Pembelajaran grafik semi-diawasi (berpotensi miliaran node/tepi)
- model generatif grafik
- Model berbasis pohon yang sulit diparalelkan, seperti TreeLSTM
・Tutorial DGL untuk GTC 2019
Konferensi Teknologi GPU NVIDIA di Washington, D.C. (GTC DC) tutorial yang digunakan dalam pembicaraan.