Esta es la aplicación para Linux llamada Graph Nets Library, cuya última versión se puede descargar como graph_netsv1.1.0sourcecode.tar.gz. Se puede ejecutar en línea en el proveedor de alojamiento gratuito OnWorks para estaciones de trabajo.
Descargue y ejecute en línea esta aplicación llamada Biblioteca Graph Nets con OnWorks de forma gratuita.
Siga estas instrucciones para ejecutar esta aplicación:
- 1. Descargue esta aplicación en su PC.
- 2. Ingrese en nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 3. Cargue esta aplicación en dicho administrador de archivos.
- 4. Inicie el emulador en línea OnWorks Linux o Windows en línea o el emulador en línea MACOS desde este sitio web.
- 5. Desde el SO OnWorks Linux que acaba de iniciar, vaya a nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 6. Descarga la aplicación, instálala y ejecútala.
CAPTURAS DE PANTALLA:
Biblioteca de redes gráficas
DESCRIPCIÓN:
Graph Nets, desarrollada por Google DeepMind, es una biblioteca de Python diseñada para construir y entrenar redes neuronales de grafos (GNN) con TensorFlow y Sonnet. Proporciona un marco flexible y de alto nivel para construir arquitecturas neuronales que operan directamente sobre datos con estructura de grafos. Una red de grafos toma grafos como entrada, compuestos por aristas, nodos y atributos globales, y produce grafos actualizados con representaciones de características modificadas en cada nivel. Esta biblioteca implementa las ideas fundamentales del artículo de DeepMind "Relational Inductive Biases, Deep Learning, and Graph Networks", que ofrece herramientas para explorar el razonamiento relacional y las redes neuronales de paso de mensajes. Graph Nets es compatible con TensorFlow 1 y TensorFlow 2, trabajando con entornos de CPU y GPU, e incluye demostraciones educativas de Jupyter para tareas de búsqueda de rutas más cortas, ordenación y predicción física. El código base prioriza la modularidad, lo que permite a los usuarios definir fácilmente sus propias funciones de actualización de aristas, nodos y globales.
Caracteristicas
- Marco para construir redes neuronales gráficas utilizando TensorFlow y Sonnet
- Admite aprendizaje de características a nivel de gráfico, nodo y borde.
- Compatible con TensorFlow 1.x y 2.x, tanto en configuraciones de CPU como de GPU
- Incluye cuadernos de demostración de Colab y Jupyter para aprendizaje práctico y experimentación.
- Permite el diseño de arquitectura modular con funciones de actualización de gráficos personalizables
- Adecuado para una variedad de tareas que incluyen simulación física, clasificación y búsqueda de rutas.
Lenguaje de programación
Python
Categorías
Esta aplicación también se puede descargar desde https://sourceforge.net/projects/graph-nets-library.mirror/. Está alojada en OnWorks para facilitar su ejecución en línea desde uno de nuestros sistemas operativos gratuitos.