graph learn 다운로드 - graph learn 소스 코드 다운로드

graph learn

파이썬

v1.1.0

다운로드

소식

Pytorch 용 GNN Acceleration Library를 사용할 수 있습니다. https://github.com/alibaba/graphlearn-for-pytorch

선적 서류 비치

简体中文 | 영어

Graph-Learn (이전의 Aligraph)은 대규모 그래프 신경망의 개발 및 적용을 위해 설계된 분산 프레임 워크입니다. 검색 권장, 네트워크 보안 및 지식 그래프와 같은 알리바바 내의 많은 시나리오에 성공적으로 적용되었습니다. Graph-Learn 1.0 후, 우리는 온라인 추론 서비스를 그래프 학습 프레임 워크에 추가하여 실제 비즈니스에서 GNN에 대한 교육 및 추론을 포함한 완벽한 솔루션을 제공했습니다.

그래 린 훈련
교육 프레임 워크는 배치 그래프에서의 샘플링, 오프라인 교육 또는 증분 GNN 모델을 지원합니다.
그래프 샘플링 작업을위한 Python 및 C ++ 인터페이스를 모두 제공하고 Gremlin과 같은 GSL (그래프 샘플링 언어) 인터페이스를 제공합니다. GNN 모델의 경우 Graph-Learn은 모델 개발을위한 일련의 패러다임과 프로세스를 제공합니다. Tensorflow 및 Pytorch와 호환되며 데이터 계층, 모델 레이어 인터페이스 및 풍부한 모델 예제를 제공합니다.
세부 사항
동적 그래프 서비스
온라인 추론 서비스는 스트리밍 그래프 업데이트를 통해 동적 그래프에서 실시간 샘플링을 지원합니다.
대규모 동적 그래프에서 20ms에서 P99 대기 시간을 샘플링하는 성능 보장을 제공합니다. 온라인 추론 서비스의 클라이언트 측은 Java GSL 인터페이스 및 Tensorflow 모델 예측을 제공합니다.
세부 사항

훈련 및 추론을 위해 그래픽 린 훈련 및 동적 그래프 서비스를 사용하십시오.

사용자는 웹에서 요청을 시작하고 클라이언트 측 (1)을 통해 동적 그래프에서 실시간으로 샘플을 샘플링하고 샘플을 모델 입력으로 사용하며 모델 서비스 (3)의 예측 결과를 요청합니다.
웹의 예측 결과, 피드백 및 일부 컨텍스트는 데이터 허브 (0, 3) (예 : 로그 서비스)로 전송됩니다.
데이터 업데이트는 그래프 업데이트 (4)로 동적 그래프 서비스로 스트리밍됩니다.
그래프 린 훈련 시간별로드 그래프 데이터의 창, 점진적인 트레인 모델 및 Tensorflow 모델 서비스의 업데이트 모델.

소환

그래프 학습이 연구에 도움이된다면 간행물에서 다음 논문을 인용하십시오.

 @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}
}