Project Icon

pyHGT

大规模异构和动态图的图神经网络解决方案

Heterogeneous Graph Transformer (HGT) 是一种基于 Pytorch Geometric 的图神经网络架构,设计用于处理大规模异构和动态图。项目主要包含核心模型代码、数据接口、训练和验证脚本。用户可以使用预处理好的 OAG 数据集或其他异构图进行训练。关键功能包括异构图卷积层、并行采样和深度图模型训练。安装简单,只需通过 pip 安装相关依赖即可运行。

pytorch_geometric - 图形神经网络开发库
GithubPyTorch Geometric图神经网络开源项目数据处理机器学习深度学习
PyTorch Geometric是一个基于PyTorch的图形神经网络库,旨在简化结构化数据的建模与训练流程。支持小批量和大规模图的处理,并提供全面的GPU加速、数据管道处理以及常用基准数据集。这使得它成为机器学习研究者和初学者理想的选择。
ogb - OGB开源项目的图机器学习数据集及标准评估工具
GithubOpen Graph Benchmark图机器学习开源项目数据加载器深度学习框架评估器
OGB项目集成了图机器学习所需的基准数据集、数据加载器和标准化评估工具,兼容PyTorch Geometric和DGL等主流深度学习框架。支持处理节点、链接和图级别的预测任务,数据集广泛涵盖科学、社交网络和异构知识图等领域,并适应从单GPU到多GPU的处理需求。OGB为研究人员提供了简化数据下载、标准化拆分和性能评估的便利工具。
PyDGN - 深度图网络研究与实验的Python开源库
GithubPyDGNPython库图分类开源项目机器学习深度图网络
PyDGN是一个面向深度图网络(DGNs)研究的开源Python库。该库提供自动化的数据处理、实验管理和并行计算功能,支持模型选择与风险评估。PyDGN简化了图学习实验流程,有助于快速原型设计和结果复现,为图神经网络研究提供了实用工具。它支持CPU和GPU并行计算,可同时评估多种模型配置。PyDGN适用于各类深度图网络研究,包括图分类、节点分类等任务。该库提供了完整的实验管理流程,从数据预处理到模型评估,有助于提高研究效率和结果可靠性。
dgl - 图深度学习框架加速图神经网络应用与研究
DGLGithub分布式训练图神经网络大规模图开源项目深度学习
DGL是一个高效易用的Python包,支持在图上执行深度学习。兼容PyTorch、Apache MXNet和TensorFlow等多种框架,提供GPU加速的图库、丰富的GNN模型示例、全面的教学材料及优化的分布式训练功能。适合从研究人员到行业专家的各类用户。广泛应用于学术及实践领域,无论是基础教学还是高级图分析,DGL均能有效支持。
egnn-pytorch - PyTorch实现的E(n)等变图神经网络
EGNNGithub分子预测图神经网络坐标更新开源项目特征更新
这个开源项目使用PyTorch实现了E(n)等变图神经网络(EGNN)。项目提供了EGNN的简洁接口,支持边特征和稀疏邻居等功能。EGNN在动力系统建模和分子活性预测等任务中表现领先。项目还包含详细示例和稳定性优化方法,适用于处理复杂的图结构数据。
pygod - 图形异常检测的Python库
GithubGraph Outlier DetectionPyGODPyTorchPython图异常检测开源项目
PyGOD是一个用于图形异常检测的Python库,支持超过10种检测算法,可应用于社交网络和安全系统中的异常检测。该库基于PyTorch和PyTorch Geometric,提供一致的API、详细的文档和互动示例,支持节点、边和图级别的检测任务。与PyG数据对象完全兼容,并具备处理大规模图数据的扩展能力,简化了图数据的处理流程。
pyg-lib - 图形神经网络高性能计算库
CUDAGithubPyTorchPythonpyg-lib安装开源项目
pyg-lib是一款专为图形神经网络优化的高性能计算库。该项目为Linux、Windows和macOS等主流操作系统提供预构建的Python包,兼容多个PyTorch版本和CUDA组合,支持Python 3.8至3.12。pyg-lib通过提升图形神经网络的计算效率,为研究和开发提供了实用工具。研究人员和开发者可根据具体的系统环境,使用pip命令快速安装所需版本,轻松增强图形神经网络的性能。
graph-learn - 大规模分布式图神经网络框架,兼容PyTorch和TensorFlow
GithubGraph-Learn分布式框架图神经网络大规模图数据实时推理开源项目
Graph-Learn是一款分布式框架,专为开发和应用大规模图神经网络(GNN)而设计,已成功应用于阿里巴巴的搜索推荐、网络安全和知识图谱等场景。框架包括GraphLearn-Training和Dynamic-Graph-Service模块,支持批量图采样、在线推理及流图更新功能,兼容PyTorch和TensorFlow,提供完整的GNN模型开发解决方案。
gnn - 用于TensorFlow平台的图神经网络库,支持异构和同构图
GithubKeras层TensorFlow GNN分布式图采样工具图神经网络开源项目数据准备工具
TensorFlow GNN是一个用于TensorFlow平台的图神经网络库,支持异构和同构图。它提供了GraphTensor类型来表示多类型节点和边,数据准备工具以及高效的图采样器。库中包含可直接使用的模型和Keras层,提供高层次的训练API。TF-GNN广泛应用于各种图挖掘任务,用户可在Google Colab上无需安装直接运行示例。它兼容TensorFlow 2.12及以上版本和相关GPU驱动,主要在Linux环境测试。
gta - 几何感知注意力机制增强多视图Transformer性能
GTAGithub几何感知注意力多视图Transformer开源项目神经渲染计算机视觉
GTA是一种创新的几何感知注意力机制,旨在提升多视图Transformer的表达能力。这项技术不仅适用于新视角合成和3D场景重建等多视图任务,还可应用于图像生成等2D任务。项目提供了GTA在CLEVR-TR和MSN-Hard数据集上的官方实现代码,并展示了其在ImageNet图像生成中的应用。通过整合几何信息,GTA使Transformer更有效地处理3D空间关系,从而显著提高多视图任务的性能表现。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号