TensorFlow GNN
概述
TensorFlow GNN 是一个在 TensorFlow 平台上构建图神经网络的库。它提供了...
- 一个
tfgnn.GraphTensor
类型来表示具有异构架构的图,即多个类型的节点和边; - 用于数据准备的工具,特别是一个图采样器,用于将庞大的数据库转换为适合训练和推理的合理大小的子图流;
- 一系列可以直接使用的模型和 Keras 层来进行你自己的GNN 建模;
- 一个用于训练编排的高级 API。
这个库是一个 Google 内部库的开源版本,广泛应用于各种上下文中,包括同质图和异质图,并结合其他可扩展的图挖掘工具一起使用。
有关背景信息,请参阅我们的博客文章和TF-GNN 论文(完整引用如下)。
快速开始
Google Colab 让你在浏览器中运行 TF-GNN 演示,无需安装:
- 使用 MUTAG 数据集进行Molecular Graph Classification。
- Solving OGBN-MAG end-to-end在受欢迎的OGBN-MAG基准中,训练一个基于异质采样子图的模型。
- Learning shortest paths with GraphNetworks展示了一种高级的编码器/处理器/解码器架构,用于预测最短路径的边。
所有 colab 和用户指南请参见文档概述页面,该页面还链接到API 文档。
安装说明
最新的稳定发布版本的 TensorFlow GNN 可从以下位置获取:
pip install tensorflow-gnn
有关从源代码安装,请参阅我们的开发者指南。
关键平台要求:
- TensorFlow 2.12 或更高版本,以及它所需的任何 GPU 驱动程序 [说明]。
- Keras v2,通常包含在 TensorFlow 2.x 中。
TF-GNN 不适用于新的多后端 Keras v3。
TF2.16+ 用户还必须pip install tf-keras
并设置 TF_USE_LEGACY_KERAS=1, 有关详细信息,请参阅我们的Keras 版本指南。 - Apache Beam 用于分布式图采样。
TF-GNN 在 Linux 上开发和测试。在其他由 TensorFlow 支持的平台上运行可能是可行的。
引文
在论文中引用此库时,请引用TF-GNN 论文:
@article{tfgnn,
author = {Oleksandr Ferludin and Arno Eigenwillig and Martin Blais and
Dustin Zelle and Jan Pfeifer and Alvaro Sanchez{-}Gonzalez and
Wai Lok Sibon Li and Sami Abu{-}El{-}Haija and Peter Battaglia and
Neslihan Bulut and Jonathan Halcrow and
Filipe Miguel Gon{\c{c}}alves de Almeida and Pedro Gonnet and
Liangze Jiang and Parth Kothari and Silvio Lattanzi and
Andr{\'{e}} Linhares and Brandon Mayer and Vahab Mirrokni and
John Palowitch and Mihir Paradkar and Jennifer She and
Anton Tsitsulin and Kevin Villela and Lisa Wang and David Wong and
Bryan Perozzi},
title = {{TF-GNN:} 图神经网络在 TensorFlow 中},
journal = {CoRR},
volume = {abs/2207.03522},
year = {2023},
url = {http://arxiv.org/abs/2207.03522},
}