PGL 正在参加 2020 年度 OSC 中国开源项目评选,请投票支持!
PGL 在 2020 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
投票让它出道
已投票
PGL 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」 !
PGL 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」「最积极运营项目」 !
PGL 获得 2020 年度 OSC 中国开源项目评选「最积极运营项目」 !

软件简介

Paddle Graph Learning (PGL) 是一个基于 PaddlePaddle 的高效易用的图学习框架。

下载安装命令

## CPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle

## GPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu

特色

  • 高效性——支持 Scatter-Gather 及 LodTensor 消息传递
  • 易用性——原生支持异构图
  • 规模性——支持分布式图存储以及分布式学习算法

  • 丰富性——覆盖业界大部分图学习网络

展开阅读全文

代码

的 Gitee 指数为
超过 的项目

评论 (3)

加载中
每当一个牛B的技术需要产业化时,国内的“技术”公司总是重复着类似的轨迹: 在低水平的层次重复建设并且互相倾轧; 在高水平的层次上被隔绝孤例,少有人问津。 国内各种AI框架已经快一只手数不下了吧? 而AI理论与科学有没有啥突破性的创新? 有多少资源在努力做着AI基础理论方面的努力?
2020/06/16 11:14
回复
举报
键盘侠
2020/12/16 11:54
回复
举报
AI理论的突破间隔时间都挺长的,而且开源库这么多,重复轮子的多了去了,你单指国内就片面了,而且技术演进也不是喷气式飞机,喷喷就能向前跑的啊。
2020/12/16 13:01
回复
举报
更多评论
暂无内容
发表了博客
2020/04/16 09:54

PaddlePaddle/PGL

文档 | 快速开始 | English Paddle Graph Learning (PGL)是一个基于PaddlePaddle的高效易用的图学习框架 在最新发布的PGL中引入了异构图的支持,新增MetaPath采样支持异构图表示学习,新增异构图Message Passing机制支持基于消息传递的异构图算法,利用新增的异构图接口,能轻松搭建前沿的异构图学习算法。而且,在最新发布的PGL中,同时也增加了分布式图存储以及一些分布式图学习训练算法,例如,分布式deep walk和分布式graph...

0
0
2020/05/06 19:33

ERNIE加持,飞桨图神经网络PGL全新升级

在2019年深度学习开发者秋季峰会上,百度对外发布飞桨图学习框架PGL v1.0正式版,历经5个月的版本迭代,PGL再度升级,发布v1.1版本,带来了最新的算法突破、全面的工业级图学习框架能力以及工业级的实践案例。下面我们逐一揭秘升级点。 下载安装命令 ## CPU版本安装命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle ## GPU版本安装命令 pip install -f https://paddlepaddle.org.cn/pip/...

0
0
2019/11/22 17:07

提速13倍!百度飞桨发布图学习框架PGL

近日,在「WAVE Summit+」2019 深度学习开发者秋季峰会上,百度对外发布基于飞桨的图学习框架Paddle Graph Learning (PGL)。 近几年来,深度神经网络的成功推动了人工智能的发展,然而,在实际场景中,有大量的数据是在非欧式空间的,这限制了深度神经网络的应用。而图神经网络在非结构化数据上有着出色的处理能力,使得最近一段时间图神经网络在学界与工业界上大放光彩。 百度顺应潮流发布的PGL充分利用飞桨独有的Lod Tensor特...

0
0
发表了博客
2020/12/01 11:43

1运行GCN和DeepWalk

百度飞浆PGL图神经网络学习心得-1 目录 Paddlepaddle PGL本地运行出现的问题 第一课:图学习初印象习题 1. 环境搭建 2. 下载PGL代码库 3. 运行示例 3.1 GCN 3.2 DeepWalk 4 PGL相关信息 5. 代码框架梳理 5.1 参数设置 5.2 数据预处理 5.3 模型构建 5.4 模型训练和测试 目录 这是我第一次在CSDN上发文章,之前写代码参考了无数篇CSDN上面的文章和code,也曾经想过自己写一写平常遇到的技术和代码难点,但总是因为懒所以一直搁置(...

0
0
2020/10/15 16:45

基于飞桨复现ICML顶会模型SGC,可实现超快速网络收敛

【飞桨开发者说】尹梓琦,北京理工大学在读本科生,关注图深度学习,图挖掘算法和谱图理论 随着深度学习在欧几里得空间的成功应用,例如CNN,RNN等极大的提高了图像分类,序列预测等任务的效果,近期来图神经网路也开始蓬勃发展。图神经网络分为谱域和空域两大种类,谱域通过拉普拉斯算子对于图进行类微分处理,而空域通过信息传递的方式更新节点的embedding,均可以大幅度提高节点预测,链接预测,不规则图形分类等问题的效果。...

0
0
2019/12/02 20:15

飞桨全新发布工具组件

11 月 5 日,在 Wave Summit+2019 秋季深度学习开发者峰会上,飞桨全新发布和重要升级了最新的 21 项进展,在深度学习开发者社区引起了巨大的反响。 很多未到场的开发者觉得遗憾,希望可以了解飞桨发布会背后的更多技术细节,因此我们特别策划了一个系列稿件,分别从核心框架、基础模型库、端到端开发套件、工具组件和服务平台五个层面分别详细解读飞桨的核心技术与最新进展,敬请关注。 今天给大家带来的是系列文章之飞桨工具组...

0
0
发表于AI & 大数据专区
2020/11/19 17:00

7天搞定图神经网络,实战助力新冠疫情防控!

要问这几年一直在逆势而上的技术有哪些?你一定不会忽略它——图神经网络。 相比传统神经网络,图神经网络的优势非常明显: 1、非顺序排序的特征学习:GNN的输出不以节点的输入顺序为转移的。 2、两个节点之间依赖关系的学习:传统的神经网络中,这种依赖关系只能通过节点的特征来体现。 3、推理能力:GNN能够从非结构化数据(例如:场景图片、故事片段等)中生成推理图。 因此,图神经网络在生物学、地图、金融、搜索、推荐、高...

0
0
发表于AI & 大数据专区
2020/11/16 22:00

7天搞定图神经网络,实战助力新冠疫情防控!

要问这几年一直在逆势而上的技术有哪些?你一定不会忽略它——图神经网络。 相比传统神经网络,图神经网络的优势非常明显: 1、非顺序排序的特征学习:GNN的输出不以节点的输入顺序为转移的。 2、两个节点之间依赖关系的学习:传统的神经网络中,这种依赖关系只能通过节点的特征来体现。 3、推理能力:GNN能够从非结构化数据(例如:场景图片、故事片段等)中生成推理图。 因此,图神经网络在生物学、地图、金融、搜索、推荐、高...

0
0
2020/11/20 10:08

7天搞定图神经网络,实战助力新冠疫情防控!

要问这几年一直在逆势而上的技术有哪些?你一定不会忽略它——图神经网络。 相比传统神经网络,图神经网络的优势非常明显: 1、非顺序排序的特征学习:GNN的输出不以节点的输入顺序为转移的。 2、两个节点之间依赖关系的学习:传统的神经网络中,这种依赖关系只能通过节点的特征来体现。 3、推理能力:GNN能够从非结构化数据(例如:场景图片、故事片段等)中生成推理图。 因此,图神经网络在生物学、地图、金融、搜索、推荐、高...

0
0
发表了博客
2020/11/22 08:29

逆势而上的技术:图神经网络学习来了!

要问这几年一直在逆势而上的技术有哪些?你一定不会忽略它——图神经网络。 相比传统神经网络,图神经网络的优势非常明显: 1、非顺序排序的特征学习:GNN的输出不以节点的输入顺序为转移的。 2、两个节点之间依赖关系的学习:传统的神经网络中,这种依赖关系只能通过节点的特征来体现。 3、推理能力:GNN能够从非结构化数据(例如:场景图片、故事片段等)中生成推理图。 因此,图神经网络在生物学、地图、金融、搜索、推荐、高...

0
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
暂无内容
3 评论
29 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部