Este é o aplicativo Linux chamado PyTorch-BigGraph, cuja versão mais recente pode ser baixada como torchbiggraph-1.0.0.tar.gz. Ele pode ser executado online no provedor de hospedagem gratuita OnWorks para estações de trabalho.
Baixe e execute online este aplicativo chamado PyTorch-BigGraph com OnWorks gratuitamente.
Siga estas instruções para executar este aplicativo:
- 1. Baixe este aplicativo em seu PC.
- 2. Entre em nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que você deseja.
- 3. Carregue este aplicativo em tal gerenciador de arquivos.
- 4. Inicie o emulador OnWorks Linux online ou Windows online ou emulador MACOS online a partir deste site.
- 5. No sistema operacional OnWorks Linux que você acabou de iniciar, acesse nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que deseja.
- 6. Baixe o aplicativo, instale-o e execute-o.
SCREENSHOTS
Ad
PyTorch-BigGraph
DESCRIÇÃO
O PyTorch-BigGraph (PBG) é um sistema para aprendizado de embeddings em grafos massivos — pense em bilhões de nós e arestas — usando particionamento e treinamento distribuído para manter a memória e a computação tratáveis. Ele fragmenta entidades em partições e divide arestas em buckets, de modo que cada passagem de treinamento toque apenas uma pequena parte dos parâmetros, o que reduz drasticamente o pico de RAM e permite o escalonamento horizontal entre máquinas. O PBG suporta grafos multirrelacionais (grafos de conhecimento) com funções de pontuação específicas para cada relação, estratégias de amostragem negativa e entidades tipadas, tornando-o adequado para predição e recuperação de enlaces. Seu loop de treinamento é construído para throughput: E/S assíncronas, tensores mapeados em memória e atualizações sem bloqueio mantêm GPUs e CPUs alimentadas mesmo em escala extrema. O kit de ferramentas inclui métricas de avaliação e ferramentas de exportação para que os embeddings aprendidos possam ser usados em buscas, recomendações ou análises de vizinho mais próximo. Na prática, o design do PBG permite que os profissionais treinem embeddings de grafos de alta qualidade.
Recursos
- Treinamento particionado para gráficos em escala de bilhões
- Pontuação multi-relação para previsão de link de gráfico de conhecimento
- Amostragem negativa eficiente e segmentação de bordas
- Utilitários de exportação e avaliação para ANN e tarefas posteriores
- E/S assíncronas com tensores mapeados em memória
- Treinamento distribuído em várias máquinas com orquestração simples
Linguagem de Programação
Python
Categorias
Este é um aplicativo que também pode ser obtido em https://sourceforge.net/projects/pytorch-biggraph.mirror/. Ele foi hospedado no OnWorks para ser executado online da maneira mais fácil em um de nossos sistemas operacionais gratuitos.
