این برنامه لینوکس به نام PyG است که آخرین نسخه آن را می توان با عنوان PyG2.4.0_Modelcompilation,on-diskdatasets,hierarchicalsamplingsourcecode.zip دانلود کرد. می توان آن را به صورت آنلاین در ارائه دهنده میزبانی رایگان OnWorks برای ایستگاه های کاری اجرا کرد.
این اپلیکیشن به نام PyG را با OnWorks به صورت آنلاین دانلود و 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.
عکس ها
Ad
PyG
شرح
PyG (PyTorch Geometric) کتابخانه ای است که بر پایه PyTorch ساخته شده است تا به راحتی شبکه های عصبی گراف (GNN) را برای طیف وسیعی از کاربردهای مرتبط با داده های ساخت یافته بنویسد و آموزش دهد. این شامل روش های مختلفی برای یادگیری عمیق بر روی نمودارها و سایر ساختارهای نامنظم است که به عنوان یادگیری عمیق هندسی نیز شناخته می شود، از انواع مقالات منتشر شده. علاوه بر این، شامل بارگذارهای دسته ای کوچک با کاربرد آسان برای کار بر روی بسیاری از نمودارهای غول پیکر کوچک و تک، پشتیبانی از چند GPU، پشتیبانی از DataPipe، یادگیری نمودار توزیع شده از طریق Quiver، تعداد زیادی از مجموعه داده های معیار رایج (بر اساس ساده رابط هایی برای ایجاد خود)، مدیر آزمایش GraphGym، و تبدیل های مفید، هم برای یادگیری بر روی نمودارهای دلخواه و هم روی مش های سه بعدی یا ابرهای نقطه ای. برای شروع آموزش یک مدل GNN تنها 3-10 خط کد لازم است (بخش بعدی را برای یک تور سریع ببینید).
امکانات
- API با کاربری آسان و یکپارچه
- مدل های GNN جامع و به خوبی نگهداری شده است
- انعطاف پذیری عالی
- مدل های GNN دنیای واقعی در مقیاس بزرگ
- ادغام GraphGym
- مدل GNN خود را آموزش دهید
زبان برنامه نویسی
پــایتــون
دسته بندی ها
این برنامه ای است که می تواند از https://sourceforge.net/projects/pyg.mirror/ نیز دریافت شود. در OnWorks میزبانی شده است تا به آسانی از یکی از سیستم عامل های رایگان ما به صورت آنلاین اجرا شود.
