graph learnダウンロード - graph learnソースコードのダウンロード

graph learn

パイソン

v1.1.0

ダウンロード

ニュース

PytorchのGNN加速ライブラリが利用可能になりました。 https://github.com/alibaba/graphlearn-for-pytorch

ドキュメント

简体中文|英語

Graph-Learn （以前のAligraph）は、大規模なグラフニューラルネットワークの開発と適用のために設計された分散フレームワークです。検索推奨、ネットワークセキュリティ、知識グラフなど、Alibaba内の多くのシナリオに正常に適用されています。グラフラーン1.0の後、グラフラーンフレームワークにオンライン推論サービスを追加し、実際のビジネスで使用するGNNのトレーニングと推論を含む完全なソリューションを提供します。

Graphlearn-Training
トレーニングフレームワークは、バッチグラフでのサンプリング、オフラインまたはインクリメンタルGNNモデルのトレーニングをサポートします。
グラフサンプリング操作にPythonとC ++インターフェイスの両方を提供し、GremlinのようなGSL（グラフサンプリング言語）インターフェイスを提供します。 GNNモデルの場合、Graph-Learnは、モデル開発のための一連のパラダイムとプロセスを提供します。 TensorflowとPytorchの両方と互換性があり、データレイヤー、モデル層インターフェイス、リッチモデルの例を提供します。
詳細
ダイナミックグラフサービス
オンライン推論サービスは、ストリーミンググラフの更新を備えた動的グラフのリアルタイムサンプリングをサポートします。
大規模な動的グラフで20msでP99レイテンシをサンプリングするパフォーマンス保証を提供します。オンライン推論サービスのクライアント側は、Java GSLインターフェイスとTensorflowモデルの予測を提供します。
詳細

トレーニングと推論には、Graphlearn-TrainingおよびDynamic-Graph-Serviceを使用します。

ユーザーは、Web（0）でリクエストを開始し、クライアント側（1）を介して動的グラフでリアルタイムでサンプルし、サンプルをモデル入力として使用し、モデルサービスの予測結果を要求します（3）。
予測の結果、フィードバック、およびWeb上のいくつかのコンテキストは、例えばログサービスなどのデータハブ（0、3）に送信されます。
データの更新グラフの更新（4）として、ダイナミックグラフサービスにストリーミングに流れ込みます。
GraphLearn-Trainingの1時間ごとのグラフデータ、インクリメンタルトレインモデル、およびTensorflowモデルサービスのモデルの更新。

引用

Graph-Learnがあなたの研究に役立つ場合、あなたの出版物で次の論文を引用してください。

 @article{zhu2019aligraph,
  title={AliGraph: a comprehensive graph neural network platform},
  author={Zhu, Rong and Zhao, Kun and Yang, Hongxia and Lin, Wei and Zhou, Chang and Ai, Baole and Li, Yong and Zhou, Jingren},
  journal={Proceedings of the VLDB Endowment},
  volume={12},
  number={12},
  pages={2094--2105},
  year={2019},
  publisher={VLDB Endowment}
}