dgl

dgl

图深度学习框架加速图神经网络应用与研究

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。

DGL图神经网络深度学习大规模图分布式训练Github开源项目

DGL 项目介绍

DGL,深度图学习库(Deep Graph Library),是一个用于在图上进行深度学习的高性能且可扩展的Python工具包。它的设计框架灵活,支持多种深度学习框架,如PyTorch、Apache MXNet和TensorFlow,使开发者能在多种环境中部署和使用深度图模型。

项目特色

支持GPU的图处理库

DGL 提供了一个强大的图对象,可以位于CPU或GPU上进行运算。它集成了结构数据和功能特性,提供了多种用于图计算的功能,包括高效且可定制的消息传递原语,这对构建图神经网络(GNNs)尤为重要。

为GNN研究者和从业者提供的多功能工具

图深度学习领域发展迅速,不断涌现的新研究思路。在这种环境下,DGL-Go 提供了一个命令行界面,帮助用户学习和研究最新的GNN模型。DGL收集了丰富的示例实现,涵盖了广泛的话题和模型。研究人员可以从中获取灵感或将其用作基准进行实验。此外,DGL还提供了多种领先的GNN层和模块,以供用户构建新模型架构。

易于学习和使用

DGL提供了大量学习资源,无论是机器学习研究者还是领域专家,都可以从中获益。通过快速上手教程,用户可以在120分钟内走遍图机器学习的基础。更详细的用户指南则讲解了图的概念和训练方法,这些指南中包含了可执行的DGL代码片段,方便集成到用户自有的开发流程中。

可扩展且高效

DGL在处理大规模图数据时表现卓越,支持跨【多GPU】或【多机器】的分布式训练。它对整个栈进行了广泛优化,以降低通信、内存消耗及同步的开销,能够轻松扩展到十亿级别的图。从教程用户指南开始,了解更多关于分布式训练的信息。

如何开始使用

用户可以通过 pip 和 conda 安装DGL,也可以从NVIDIA NGC下载支持GPU的DGL Docker 容器,该容器基于PyTorch运行。高级用户则可以遵循源代码安装说明进行安装。

对于初学者,可以从快速上手教程入手,该教程涵盖了常见图机器学习任务的基本概念,以及构建图神经网络(GNNs)的分步指南。

熟悉之后的用户可以:

社区与扩展项目

DGL 拥有一个活跃的社区,开发者、用户以及GNN学术研究者可以通过多种渠道连接:

DGL 支持众多领域的扩展项目,如生命科学的 DGL-LifeSci、知识图谱嵌入的 DGL-KE,以及自然语言处理和图学习交叉领域的 Graph4NLP 等。

贡献与引用

DGL 欢迎任何形式的贡献,从修复错误到新增功能。想要了解更多关于如何做出贡献的信息,请查看 贡献指南

如果在您的科学出版物中使用了DGL,请参照以下方式引用它:

@article{wang2019dgl, title={Deep Graph Library: A Graph-Centric, Highly-Performant Package for Graph Neural Networks}, author={Minjie Wang and Da Zheng and Zihao Ye and Quan Gan and Mufei Li and Xiang Song and Jinjing Zhou and Chao Ma and Lingfan Yu and Yu Gai and Tianjun Xiao and Tong He and George Karypis and Jinyang Li and Zheng Zhang}, year={2019}, journal={arXiv preprint arXiv:1909.01315} }

DGL由纽约大学、纽约大学上海、亚马逊AWS上海AI实验室和AWS MXNet科学团队开发和维护,并采用Apache 2.0许可协议。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多