Logo
Project Icon

graph_nets

DeepMind的图神经网络库，支持TensorFlow和Sonnet

Graph NetsTensorFlowSonnet安装演示Github开源项目

Graph Nets是由DeepMind开发的图神经网络库，兼容TensorFlow和Sonnet。支持Linux和Mac OS X，以及Python 2.7和3.4+。该库适用于CPU和GPU版本的TensorFlow，但需要单独安装TensorFlow。Graph Nets提供了详细的安装指南、使用示例和多个演示，包括最短路径、排序和物理预测任务。用户可以通过Colaboratory在浏览器中运行这些演示，体验图神经网络的灵活性和强大功能。

访问官网访问官网GithubGithub论文论文
介绍相关项目
spektral - 基于Keras API和TensorFlow 2的Python库，专为图神经网络（GNN）提供简单灵活的框架
GithubKerasPython库Spektral图深度学习图神经网络开源项目
Spektral是一个基于Keras API和TensorFlow 2的Python库，专为图神经网络（GNN）提供简单灵活的框架。该库适用于社交网络用户分类、分子性质预测、图生成、节点聚类和链接预测等任务。Spektral包含多种流行的图深度学习层，如GCN、Chebyshev、GraphSAGE、GAT等，并提供丰富的图操作工具。最新版1.0引入了新数据集、新容器、Loader类和transforms模块，简化了数据处理和模型训练。更多信息请参阅官方文档和示例。
CogDL - 应用于节点分类、图分类等任务的图深度学习工具包
CogDLGNNGPU优化Github图深度学习开源项目自动机器学习
CogDL是一个应用于节点分类、图分类等任务的图深度学习工具包。它具备高效性、易用性和可扩展性的特点，通过提供优化的操作符加快训练速度并节省GPU内存。CogDL还提供易用的API，并支持广泛的模型和数据集。最新版新增了图自监督学习示例和混合精度训练功能，适用于多种图神经网络分析任务。
graph-neural-network-course - 图神经网络教程，从基础架构到前沿技术
GithubPyTorch Geometric图分类图神经网络开源项目深度学习节点分类
这个项目是一个全面的图神经网络（GNN）教程，内容涵盖基础架构到最新技术。课程包含四个章节：GNN简介、图注意力网络、GraphSAGE和图同构网络，每章配有详细文章和实践代码。教程旨在帮助学习者掌握GNN的核心概念和实现方法，适合对深度学习感兴趣的研究者和开发者。
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。
TensorFlow.NET - 用 C# 实现完整的 Tensorflow API，允许 .NET 开发人员使用跨平台的 .NET Standard 框架开发、训练和部署机器学习模型
.NETGithubKerasTensorFlowTensorFlow.NET开源项目机器学习
TensorFlow.NET为.NET Standard框架提供了TensorFlow绑定，使.NET开发者能够使用C#或F#进行机器学习模型的开发、训练和部署。项目内置Keras高级接口，支持将Python代码无缝移植到.NET环境，适用于Windows、Linux和MacOS系统，并支持CPU和GPU版本。
OpenGraph - 图神经网络零样本学习的突破性研究
GithubOpenGraph图生成图神经网络大语言模型开源项目零样本学习
OpenGraph是一个创新的图基础模型,通过从大语言模型中提取零样本图泛化能力,解决了图神经网络领域的关键技术挑战。该模型引入了统一图标记器、可扩展图transformer和基于大语言模型的数据增强机制,在多种场景下展现出优异的零样本图学习性能。这项研究为图神经网络的泛化能力提升和应用场景拓展开辟了新方向。
graph-based-deep-learning-literature - 探索基于图的深度学习最新文献与会议进展
GithubICMLNeurIPS图形深度学习开源项目数据挖掘计算机视觉
该项目收录了基于图的深度学习领域内，例如NeurIPS、ICML和ICLR等顶级会议的出版物、相关工作坊、综述文章、书籍以及软件资源链接。这些资源为学术研究人员和专业学者提供了方便的一站式服务，便于他们探索、查询及利用该领域内的最新科研成果和工具。
dynet - 动态结构神经网络库 适用于自然语言处理
DyNetGithub动态神经网络开源项目深度学习神经网络库自然语言处理
DyNet是一个专为动态结构神经网络设计的开源库，由卡内基梅隆大学主导开发。该库采用C++编写并提供Python接口，可在CPU和GPU上高效运行。DyNet特别适用于自然语言处理任务，在语法分析和机器翻译等领域表现突出。其独特的自动批处理功能进一步提升了处理动态网络的效率。
Spectral-Graph-Survey - 谱图神经网络研究综述与发展趋势
Github图信号处理图神经网络开源项目空间域谱图卷积频谱域
该项目汇集了谱图神经网络领域的重要研究成果，包括里程碑论文、空间和谱域方法对比以及双胞胎论文等。内容涵盖2015年至2023年的关键进展，系统梳理了该领域的发展脉络。项目不仅总结现有工作，还探讨未来趋势，为谱图神经网络研究提供全面参考。
Awesome-Pretraining-for-Graph-Neural-Networks - 图神经网络预训练技术论文资源库
Github图神经网络对比学习开源项目生成式预训练自监督学习预训练
该资源库全面收集了图神经网络预训练相关论文，按发表年份、图类型、预训练策略、调优策略和应用领域分类。内容涵盖静态图、动态图、异构图等图类型，以及生成式、对比学习、多任务学习等预训练策略。同时包含prompt tuning等调优方法，并涉及推荐系统、生物学等应用领域。资源库不断更新，为图神经网络预训练研究提供重要参考。
相关项目
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

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
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