Biogithub4--图网络学习

2022-06-20 本文已影响0人可能性之兽

2022

「大规模图神经网络系统」2022最新综述：从算法到系统 (qq.com)

目前具有代表性的图神经网络框架：DGL[47]、PyTorch Geometric[48]、NeuGraph[49]、EnGN[50]、Euler[51]、PSGraph[52]、AliGraph[53]、Roc[54]、AGL[55]、PGL[56]。 DGL[47]是易于使用，高性能且可扩展的Python库，用于图结构的深度学习，能够与主流的深度学习框架集成，例如Tensorflow[20]、PyTorch[21]、MXNet[22]。PyTorch Geometric[48]是基于PyTorch构建的深度学习库，用于处理非结构化数据的深度学习。NeuGraph[49]是一种将数据流系统和图处理系统结合起来训练图神经网络的框架，它构建在现有的数据流引擎之上，使用Python和C++作为开发语言。EnGN[50]是一种以边为中心，专门用于大规模图神经网络训练的加速器。Euler[51]与PSGraph[52]是一个与深度学习工具集成的大规模分布式图学习框架，支持用户在数十亿点数百亿边的图上进行模型训练。AliGraph[53]是由阿里巴巴团队开发的采样建模训练一体化的图神经网络平台。Roc[54]是一种用于快速图神经网络训练的分布式多GPU框架。AGL[55]是用于工业用途图学习的集成系统，利用传统基础架构（MapReduce、参数服务器[57]）实现了容错性和一致性。PGL （paddle graph learning）[56]是由百度开发的基于PaddlePaddle的高效灵活的图学习框架。