To jest aplikacja dla systemu Linux o nazwie Graph Nets Library, której najnowszą wersję można pobrać jako graph_netsv1.1.0sourcecode.tar.gz. Można ją uruchomić online na darmowym hostingu OnWorks dla stacji roboczych.
Pobierz i uruchom bezpłatnie aplikację o nazwie Graph Nets library z OnWorks.
Postępuj zgodnie z tymi instrukcjami, aby uruchomić tę aplikację:
- 1. Pobrałem tę aplikację na swój komputer.
- 2. Wpisz w naszym menedżerze plików https://www.onworks.net/myfiles.php?username=XXXXX z wybraną nazwą użytkownika.
- 3. Prześlij tę aplikację w takim menedżerze plików.
- 4. Uruchom emulator online OnWorks Linux lub Windows online lub emulator online MACOS z tej witryny.
- 5. W systemie operacyjnym OnWorks Linux, który właśnie uruchomiłeś, przejdź do naszego menedżera plików https://www.onworks.net/myfiles.php?username=XXXXX z wybraną nazwą użytkownika.
- 6. Pobierz aplikację, zainstaluj ją i uruchom.
ZRZUTY EKRANU
Ad
Biblioteka Graph Nets
OPIS
Graph Nets, opracowana przez Google DeepMind, to biblioteka Pythona przeznaczona do konstruowania i trenowania grafowych sieci neuronowych (GNN) z wykorzystaniem bibliotek TensorFlow i Sonnet. Zapewnia ona elastyczne, zaawansowane środowisko do budowania architektur neuronowych, które działają bezpośrednio na danych o strukturze grafowej. Sieć grafowa przyjmuje grafy jako dane wejściowe, składające się z krawędzi, węzłów i atrybutów globalnych, i generuje zaktualizowane grafy ze zmodyfikowanymi reprezentacjami cech na każdym poziomie. Ta biblioteka implementuje fundamentalne idee z artykułu DeepMind „Relational Inductive Biases, Deep Learning, and Graph Networks”, oferując narzędzia do eksploracji relacyjnego rozumowania i sieci neuronowych z przekazywaniem komunikatów. Graph Nets obsługuje zarówno TensorFlow 1, jak i TensorFlow 2, współpracując ze środowiskami CPU i GPU, i zawiera demonstracje edukacyjne Jupyter do znajdowania najkrótszej ścieżki, sortowania i zadań przewidywania fizycznego. Baza kodu kładzie nacisk na modułowość, umożliwiając użytkownikom łatwe definiowanie własnych funkcji aktualizacji krawędzi, węzłów i globalnych.
Funkcjonalności
- Struktura do budowy sieci neuronowych grafowych z wykorzystaniem TensorFlow i Sonnet
- Obsługuje uczenie się cech na poziomie grafu, węzła i krawędzi
- Zgodność z TensorFlow 1.x i 2.x zarówno w konfiguracjach CPU, jak i GPU
- Zawiera notatniki demonstracyjne Colab i Jupyter do nauki praktycznej i eksperymentowania
- Umożliwia projektowanie architektury modułowej z konfigurowalnymi funkcjami aktualizacji wykresu
- Nadaje się do wielu zadań, w tym symulacji fizycznej, sortowania i znajdowania ścieżek
Język programowania
Python
Kategorie
Tę aplikację można również pobrać ze strony https://sourceforge.net/projects/graph-nets-library.mirror/. Została ona umieszczona w OnWorks, aby można ją było uruchomić online w najłatwiejszy sposób z jednego z naszych darmowych systemów operacyjnych.
