Dit is de Linux-app met de naam DGL waarvan de nieuwste release kan worden gedownload als v1.1.2.zip. Het kan online worden uitgevoerd in de gratis hostingprovider OnWorks voor werkstations.
Download en voer deze app met de naam DGL gratis online uit met OnWorks.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start de OnWorks Linux online of Windows online emulator of MACOS online emulator vanaf deze website.
- 5. Ga vanuit het OnWorks Linux-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie, installeer hem en voer hem uit.
SCREENSHOTS
Ad
DGL
PRODUCTBESCHRIJVING
Bouw uw modellen met PyTorch, TensorFlow of Apache MXNet. Snelle en geheugenefficiënte primitieven voor het doorgeven van berichten voor het trainen van Graph Neural Networks. Schaal naar gigantische grafieken via multi-GPU-versnelling en gedistribueerde trainingsinfrastructuur. DGL ondersteunt een verscheidenheid aan domeinspecifieke projecten, waaronder DGL-KE voor het leren van grootschalige inbedding van kennisgrafieken, DGL-LifeSci voor bio-informatica en schei-informatica, en vele anderen. We willen grafieken graag dichter bij deep learning-onderzoekers brengen. We willen het eenvoudig maken om een modelfamilie van grafische neurale netwerken te implementeren. We willen ook de combinatie van op grafieken gebaseerde modules en op tensor gebaseerde modules (PyTorch of MXNet) zo soepel mogelijk maken. DGL biedt een krachtig grafiekobject dat zich op CPU of GPU kan bevinden. Het bundelt structurele gegevens en functies voor een betere controle. We bieden een verscheidenheid aan functies voor het berekenen van grafische objecten, waaronder efficiënte en aanpasbare primitieven voor het doorgeven van berichten voor grafische neurale netwerken.
Voordelen
- Een GPU-ready grafische bibliotheek
- Modellen, modules en benchmarks voor GNN-onderzoekers
- Gemakkelijk te leren en te gebruiken
- Schaalbaar en efficiënt
- Volop leermateriaal voor allerlei soorten gebruikers, van ML-onderzoeker tot domeinexperts
- Optimaliseert de hele stapel om de overhead in communicatie, geheugengebruik en synchronisatie te verminderen
Programmeertaal
Python
Categorieën
Dit is een applicatie die ook kan worden opgehaald van https://sourceforge.net/projects/dgl.mirror/. Het is gehost in OnWorks zodat het op de eenvoudigste manier online kan worden uitgevoerd vanaf een van onze gratis besturingssystemen.
