Introdução à Biblioteca de Gráficos Profundos (DGL)
Um lembrete do que aprendi sobre a Deep Graph Library (DGL) em pytorch.Basicamente, a documentação a seguir será traduzida, resumida e organizada.Podemos olhar para trás e fazer correções à medida que aprendemos coisas novas.
Visão geral do DGL
O que é Deep Graph Library?
Deep Graph Library é uma biblioteca python para implementar facilmente modelos de rede neural gráfica em estruturas de aprendizado profundo existentes, como PyTorch e MXNet.
Funções do DGL
O DGL tem as seguintes funções.
- Controle versátil de operações de baixo nível, como configurações de borda e nó, a operações de alto nível, como atualização da funcionalidade de todo o gráfico.
- Otimização da velocidade de cálculo por processamento em lote automático e multiplicação de matrizes esparsas.
- Integração perfeita com estruturas de aprendizado profundo existentes.
- Uma interface simples e fácil de usar para manipular estruturas de nós / bordas / gráficos.
- Grande escalabilidade para gráficos gigantes (gráficos com dezenas de milhões de vértices).
Modelos Suportados
TBA
Como instalar DGL
O sistema operacional compatível é o seguinte.
・ Ubuntu 16.04
· Mac OS X
・ Windows 10
É compatível com backend para as seguintes bibliotecas.
・ Tensorflow
・ PyTorch
・ MXNet
・ Gluon
O DGL requer o Python versão 3.5 ou posterior. Não testado antes de 3.4.Além disso, como o DGL é separado em construção de CPU e construção de CUDA, ao usar GPU, altere o comando de instalação de acordo com a versão de CUDA.
Clique aqui para saber como instalar com o conda
Clique aqui para saber como instalar com pip
Tutorial postado
Dez modelos foram prototipados em diferentes domínios.
- Aprendizagem semi-supervisionada de grafos (potencialmente bilhões de nós / arestas)
- Modelo de geração de gráfico
- Modelos baseados em árvore que são difíceis de paralelizar, como TreeLSTM
・ Tutorial DGL para GTC 2019
Conferência de tecnologia de GPU NVIDIA em Washington, EUA (GTC O tutorial utilizado na palestra no DC).