DIG提供统一的数据接口、常用算法和评估指标，支持高级图深度学习任务如图生成、自监督学习、解释性、三维图、OOD图的开发和基准测试。DIG帮助研究人员轻松开发新方法并与基线方法进行比较。最新版本基于PyG 2.0.0升级，推荐使用。

gflownet是一个实现Generative Flow Network的开源框架，专注于离散和组合对象的生成，尤其适用于图结构。该项目基于图神经网络，支持多种GFN算法，提供离线和在线训练功能。gflownet包含完整的训练环境、算法实现和示例代码，可用于分子设计等任务，是研究GFN在图生成领域应用的有力工具。

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。