این یک برنامه لینوکس به نام کتابخانه Graph Nets است که آخرین نسخه آن را می‌توانید با نام graph_netsv1.1.0sourcecode.tar.gz دانلود کنید. این برنامه را می‌توان به صورت آنلاین در ارائه دهنده هاست رایگان OnWorks برای ایستگاه‌های کاری اجرا کرد.
این برنامه با نام کتابخانه Graph Nets with OnWorks را به صورت رایگان دانلود و آنلاین اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. OnWorks Linux آنلاین یا شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MACOS را از این وب سایت راه اندازی کنید.
- 5. از سیستم عامل لینوکس OnWorks که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. اپلیکیشن را دانلود کرده، نصب و اجرا کنید.
اسکرین شات ها:
کتابخانه گراف نتس
DESCRIPTION:
Graph Nets، که توسط Google DeepMind توسعه داده شده است، یک کتابخانه پایتون است که برای ساخت و آموزش شبکه‌های عصبی گراف (GNN) با استفاده از TensorFlow و Sonnet طراحی شده است. این کتابخانه یک چارچوب سطح بالا و انعطاف‌پذیر برای ساخت معماری‌های عصبی فراهم می‌کند که مستقیماً بر روی داده‌های ساختار یافته گراف عمل می‌کنند. یک شبکه گراف، گراف‌ها را به عنوان ورودی، شامل لبه‌ها، گره‌ها و ویژگی‌های سراسری، دریافت می‌کند و گراف‌های به‌روز شده با نمایش ویژگی‌های اصلاح شده در هر سطح تولید می‌کند. این کتابخانه ایده‌های بنیادی مقاله DeepMind با عنوان «سوگیری‌های استقرایی رابطه‌ای، یادگیری عمیق و شبکه‌های گراف» را پیاده‌سازی می‌کند و ابزارهایی را برای بررسی استدلال رابطه‌ای و شبکه‌های عصبی انتقال پیام ارائه می‌دهد. Graph Nets از TensorFlow 1 و TensorFlow 2 پشتیبانی می‌کند که با محیط‌های CPU و GPU کار می‌کنند و شامل نسخه‌های نمایشی آموزشی Jupyter برای یافتن کوتاه‌ترین مسیر، مرتب‌سازی و وظایف پیش‌بینی فیزیکی است. کدبیس بر ماژولار بودن تأکید دارد و به کاربران اجازه می‌دهد تا به راحتی توابع به‌روزرسانی لبه، گره و سراسری خود را تعریف کنند.
امکانات
- چارچوبی برای ساخت شبکه‌های عصبی گراف با استفاده از TensorFlow و Sonnet
- پشتیبانی از یادگیری ویژگی در سطح گراف، سطح گره و سطح لبه
- سازگار با TensorFlow 1.x و 2.x، در هر دو پیکربندی CPU و GPU
- شامل دفترچه‌های نمایشی Colab و Jupyter برای یادگیری و آزمایش عملی
- طراحی معماری ماژولار را با توابع به‌روزرسانی گراف قابل تنظیم امکان‌پذیر می‌کند.
- مناسب برای طیف وسیعی از کارها از جمله شبیه‌سازی فیزیکی، مرتب‌سازی و مسیریابی
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه‌ای است که می‌توان آن را از https://sourceforge.net/projects/graph-nets-library.mirror/ نیز دریافت کرد. این برنامه در OnWorks میزبانی شده است تا بتوان آن را به ساده‌ترین روش به صورت آنلاین از یکی از سیستم‌های عامل رایگان ما اجرا کرد.