Guida introduttiva alla Deep Graph Library (DGL)
Un promemoria di ciò che ho imparato sulla Deep Graph Library (DGL) su pytorch.Fondamentalmente, la seguente documentazione sarà tradotta, riassunta e organizzata.Potremmo guardare indietro e apportare correzioni man mano che apprendiamo cose nuove.
Panoramica di DGL
Cos'è la libreria Deep Graph?
Deep Graph Library è una libreria Python per implementare facilmente modelli di rete neurale a grafo su framework di deep learning esistenti come PyTorch e MXNet.
Funzioni di DGL
DGL ha le seguenti funzioni.
- Controllo versatile da operazioni di basso livello come le impostazioni di edge e nodi a operazioni di alto livello come l'aggiornamento della funzionalità dell'intero grafico.
- Ottimizzazione della velocità di calcolo mediante elaborazione batch automatica e moltiplicazione di matrici sparse.
- Perfetta integrazione con i framework di deep learning esistenti.
- Un'interfaccia semplice e facile da usare per manipolare strutture nodo / bordo / grafico.
- Grande scalabilità per grafici giganti (grafici con decine di milioni di vertici).
Modelli supportati
TBA
Come installare DGL
Il sistema operativo supportato è il seguente.
・ Ubuntu 16.04
・ MacOS X
· Windows 10
È supportato come backend per le seguenti librerie.
・ Tensorflow
・ PyTorch
・ MXNet
・ Gluon
DGL richiede Python versione 3.5 o successiva. Non testato prima di 3.4.Inoltre, poiché DGL è separato in build CPU e build CUDA, quando si utilizza GPU, modificare il comando di installazione in base alla versione CUDA.
Clicca qui per come installare con conda
Fare clic qui per informazioni su come installare con pip
Tutorial pubblicato
Dieci modelli sono stati prototipati in diversi domini.
- Apprendimento semi-supervisionato di grafici (potenzialmente miliardi di nodi / bordi)
- Modello di generazione di grafici
- Modelli basati su albero difficili da parallelizzare, come TreeLSTM
・ Tutorial DGL per GTC 2019
NVIDIA GPU Technology Conference a Washington, USA (GTC Il tutorial utilizzato nella lezione alla DC).