AutoGL
v0.4.0
中文介绍
用于机器学习的汽车框架和工具包。
@thumnlab积极开发
如果您有任何评论或建议，请随时通过[email protected]与我们联系！
model支持将两个名为encoder和decoder的附加子模块解耦。在脱钩的设计下，可以使用一个encoder来解决各种任务。AUTOGL是为研究人员和开发人员开发的，可以轻松，快速地，快速地在图形数据集和任务上进行汽车。有关详细信息，请参见我们的文档！
下面的工作流程显示了AutoGL的整体框架。
AUTOGL使用datasets维护基于图形的机器学习的数据集，该数据集基于Pytorch几何或深图库中的数据集，其中添加了一些功能来支持自动求解器框架。
不同的基于图的机器学习任务由不同的AutoGL solvers处理，这些求解器使用五个主要模块来自动求解给定的任务，即auto feature engineer ， neural architecture search ， auto model ， hyperparameter optimization和auto ensemble 。
当前，AUTOGL支持以下算法：
| 功能工程师 | 模型 | nas | HPO | 合奏 |
| 发电机 Graphlets eigengnn 更多的 ... 选择器 SefilterConstant GBDT 图形 Netlsd nxaverageclustering 更多的 ... | HOMO编码 GCNENCODER Gatencoder Sageencoder Ginencoder 解码器 logSoftMaxDecoder DotProductDecoder sumpoolmlpdecoder jksumpooldecoder | 算法 随机的 RL 进化 加索 更多的 ... 空间 单人路 石墨 自动替代 更多的 ... 估计器 Oneshot 划痕 | 网格 随机的 退火 贝叶斯 卡姆斯 mocames 准随机 TPE 自动 | 表决 堆叠 |
该工具包还可以作为用户实现和测试其自己的汽车或基于图的机器学习模型的框架。
在安装AUTOGL之前，请确保满足以下要求。
Python> = 3.6.0
pytorch（> = 1.6.0）
有关安装，请参见https://pytorch.org/。
图库后端
您将需要Pytorch几何（PYG）或深图库（DGL）作为后端。如果两者都安装，则可以在此处选择后端。
3.1 Pytorch几何（> = 1.7.0）
请参阅https://pytorch-geometric.readthedocs.io/en/latest/notes/installation.html/进行安装。
3.2深图库（> = 0.7.0）
有关安装，请参见https://dgl.ai/。
运行以下命令通过pip安装此软件包。
pip install autogl
运行以下命令从源安装此软件包。
git clone https://github.com/THUMNLab/AutoGL.git
cd AutoGL
python setup.py install
如果您是AUTOGL项目的开发人员，请使用以下命令来创建软链接，然后可以修改本地软件包而不再次安装它们。
pip install -e .
请参阅我们的文档以查看详细的文档。
您也可以在本地制作文档。首先，请安装sphinx和phinx-rtd-theme：
pip install -U Sphinx
pip install sphinx-rtd-theme
然后，通过以下方式制作HTML文档
cd docs
make clean && make html
该文档将在docs/_build/html下自动生成
如果您发现我们的代码很有用，请引用我们的论文如下：
@inproceedings{guan2021autogl,
title={Auto{GL}: A Library for Automated Graph Learning},
author={Chaoyu Guan and Ziwei Zhang and Haoyang Li and Heng Chang and Zeyang Zhang and Yijian Qin and Jiyan Jiang and Xin Wang and Wenwu Zhu},
booktitle={ICLR 2021 Workshop on Geometrical and Topological Representation Learning},
year={2021},
url={https://openreview.net/forum?id=0yHwpLeInDn}
}
您可能还会发现我们的调查文件有帮助：
@article{zhang2021automated,
title={Automated Machine Learning on Graphs: A Survey},
author={Zhang, Ziwei and Wang, Xin and Zhu, Wenwu},
booktitle = {Proceedings of the Thirtieth International Joint Conference on Artificial Intelligence, {IJCAI-21}},
year={2021},
note={Survey track}
}
我们从v0.2中遵循整个代码库中的Apache许可证。
