Bắt đầu với Thư viện đồ thị sâu (DGL)
Một lời nhắc nhở về những gì tôi đã học về Thư viện đồ thị sâu (DGL) trong pytorch.Về cơ bản, chúng tôi sẽ dịch, tóm tắt và sắp xếp các tài liệu sau.Tôi có thể sửa đổi cho phù hợp khi tôi nhìn lại và học hỏi những điều mới.
Tổng quan về DGL
Thư viện đồ thị sâu là gì
Thư viện đồ thị sâu là một thư viện python để dễ dàng triển khai các mô hình mạng thần kinh đồ thị trên các khung học sâu hiện có như PyTorch và MXNet.
Chức năng của DGL
DGL có các chức năng sau.
- Kiểm soát linh hoạt, từ các hoạt động cấp thấp như thiết lập các cạnh và nút đến các hoạt động cấp cao như cập nhật các tính năng trên biểu đồ.
- Tối ưu hóa tốc độ tính toán với tính năng chia khối tự động và phép nhân ma trận thưa thớt.
- Tích hợp liền mạch với các framework deep learning hiện có.
- Một giao diện đơn giản và dễ sử dụng để thao tác các cấu trúc nút/cạnh/đồ thị.
- Khả năng mở rộng tốt cho các đồ thị khổng lồ (đồ thị có hàng chục triệu đỉnh).
Các mô hình được hỗ trợ
TBA
Cách cài đặt DGL
Hệ điều hành được hỗ trợ như sau.
・Ubuntu 16.04
·hệ điều hành Mac
・Windows 10
Nó được hỗ trợ như một phần phụ trợ cho các thư viện sau.
・Dòng chảy căng
・PyTorch
・MXNet
・gluon
DGL yêu cầu phiên bản Python 3.5 trở lên. 3.4 trở về trước chưa được thử nghiệm.Ngoài ra, DGL được tách thành bản dựng CPU và bản dựng CUDA, vì vậy khi sử dụng GPU, hãy thay đổi lệnh cài đặt theo phiên bản CUDA.
Cách cài đặt với conda ở đây
Đây là cách cài đặt với pip
Hướng dẫn đã đăng
Mười mô hình đã được tạo mẫu trong các lĩnh vực khác nhau.
- Học đồ thị bán giám sát (có khả năng là hàng tỷ nút/cạnh)
- mô hình tạo đồ thị
- Các mô hình dựa trên cây khó song song hóa, chẳng hạn như TreeLSTM
・Hướng dẫn DGL cho GTC 2019
Hội nghị Công nghệ GPU của NVIDIA tại Washington, D.C. (GTC DC) hướng dẫn được sử dụng trong bài nói chuyện.
thảo luận
Danh sách các bình luận
Chưa có bất kỳ bình luận nào