Đây là ứng dụng Linux có tên DGL, có thể tải xuống bản phát hành mới nhất dưới dạng v1.1.2.zip. Nó có thể được chạy trực tuyến trong nhà cung cấp dịch vụ lưu trữ miễn phí OnWorks cho máy trạm.
Tải xuống và chạy trực tuyến ứng dụng có tên DGL này với OnWorks miễn phí.
Làm theo các hướng dẫn sau để chạy ứng dụng này:
- 1. Đã tải ứng dụng này xuống PC của bạn.
- 2. Nhập vào trình quản lý tệp của chúng tôi https://www.onworks.net/myfiles.php?username=XXXXX với tên người dùng mà bạn muốn.
- 3. Tải lên ứng dụng này trong trình quản lý tệp như vậy.
- 4. Khởi động trình giả lập trực tuyến OnWorks Linux hoặc trình giả lập trực tuyến Windows hoặc trình mô phỏng trực tuyến MACOS từ trang web này.
- 5. Từ Hệ điều hành OnWorks Linux mà bạn vừa khởi động, hãy truy cập trình quản lý tệp của chúng tôi https://www.onworks.net/myfiles.php?username=XXXXX với tên người dùng mà bạn muốn.
- 6. Tải xuống ứng dụng, cài đặt và chạy nó.
MÀN HÌNH
Ad
DGL
MÔ TẢ
Xây dựng mô hình của bạn với PyTorch, TensorFlow hoặc Apache MXNet. Thông báo nhanh chóng và tiết kiệm bộ nhớ truyền các nguyên tắc ban đầu để đào tạo Mạng Neural Đồ thị. Chia tỷ lệ thành đồ thị khổng lồ thông qua tăng tốc đa GPU và cơ sở hạ tầng đào tạo phân tán. DGL trao quyền cho nhiều dự án theo miền cụ thể bao gồm DGL-KE để học cách nhúng biểu đồ tri thức quy mô lớn, DGL-LifeSci cho tin sinh học và tin học, và nhiều dự án khác. Chúng tôi mong muốn đưa biểu đồ đến gần hơn với các nhà nghiên cứu học sâu. Chúng tôi muốn giúp dễ dàng triển khai họ mô hình mạng nơron đồ thị. Chúng tôi cũng muốn làm cho sự kết hợp giữa mô-đun dựa trên đồ thị và mô-đun dựa trên tensor (PyTorch hoặc MXNet) càng trơn tru càng tốt. DGL cung cấp một đối tượng đồ thị mạnh mẽ có thể nằm trên CPU hoặc GPU. Nó gói dữ liệu cấu trúc cũng như các tính năng để kiểm soát tốt hơn. Chúng tôi cung cấp nhiều chức năng khác nhau để tính toán với các đối tượng đồ thị, bao gồm cả việc truyền thông điệp hiệu quả và có thể tùy chỉnh được các nguyên thủy cho Mạng Neural Đồ thị.
Tính năng
- Thư viện đồ thị sẵn sàng cho GPU
- Mô hình, mô-đun và điểm chuẩn cho các nhà nghiên cứu GNN
- Dễ dàng để tìm hiểu và sử dụng
- Có thể mở rộng và hiệu quả
- Rất nhiều tài liệu học tập cho tất cả các loại người dùng từ nhà nghiên cứu ML đến các chuyên gia miền
- Tối ưu hóa toàn bộ ngăn xếp để giảm chi phí liên lạc, tiêu thụ bộ nhớ và đồng bộ hóa
Ngôn ngữ lập trình
Python
Categories
Đây là một ứng dụng cũng có thể được tìm nạp từ https://sourceforge.net/projects/dgl.mirror/. Nó đã được lưu trữ trên OnWorks để có thể chạy trực tuyến một cách dễ dàng nhất từ một trong những Hệ thống hoạt động miễn phí của chúng tôi.
