Đây là ứng dụng Linux có tên là thư viện Graph Nets, phiên bản mới nhất có thể tải xuống dưới dạng graph_netsv1.1.0sourcecode.tar.gz. Ứng dụng có thể chạy trực tuyến trên nhà cung cấp dịch vụ lưu trữ miễn phí OnWorks dành cho máy trạm.
Tải xuống và chạy trực tuyến ứng dụng có tên là thư viện Graph Nets 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:
Thư viện Graph Nets
SỰ MIÊU TẢ:
Graph Nets, được phát triển bởi Google DeepMind, là một thư viện Python được thiết kế để xây dựng và huấn luyện mạng nơ-ron đồ thị (GNN) bằng TensorFlow và Sonnet. Thư viện này cung cấp một khuôn khổ linh hoạt, cấp cao để xây dựng các kiến trúc nơ-ron hoạt động trực tiếp trên dữ liệu có cấu trúc đồ thị. Một mạng đồ thị lấy đồ thị làm đầu vào, bao gồm các cạnh, nút và thuộc tính toàn cục, và tạo ra các đồ thị được cập nhật với các biểu diễn tính năng được sửa đổi ở mỗi cấp. Thư viện này triển khai các ý tưởng nền tảng từ bài báo của DeepMind “Relational Inductive Biases, Deep Learning, and Graph Networks”, cung cấp các công cụ để khám phá suy luận quan hệ và mạng nơ-ron truyền thông điệp. Graph Nets hỗ trợ cả TensorFlow 1 và TensorFlow 2, hoạt động với môi trường CPU và GPU, và bao gồm các bản demo Jupyter giáo dục cho các tác vụ tìm đường đi ngắn nhất, sắp xếp và dự đoán vật lý. Cơ sở mã nhấn mạnh tính mô-đun, cho phép người dùng dễ dàng xác định các hàm cập nhật cạnh, nút và toàn cục của riêng họ.
Tính năng
- Khung xây dựng mạng nơ-ron đồ thị bằng TensorFlow và Sonnet
- Hỗ trợ học tính năng ở cấp độ đồ thị, cấp độ nút và cấp độ cạnh
- Tương thích với TensorFlow 1.x và 2.x, trên cả thiết lập CPU và GPU
- Bao gồm sổ tay demo Colab và Jupyter để học tập và thử nghiệm thực hành
- Cho phép thiết kế kiến trúc mô-đun với các chức năng cập nhật đồ thị có thể tùy chỉnh
- Phù hợp cho nhiều nhiệm vụ bao gồm mô phỏng vật lý, sắp xếp và tìm đường
Ngôn ngữ lập trình
Python
Danh Mục
Đây là một ứng dụng cũng có thể được tải xuống từ https://sourceforge.net/projects/graph-nets-library.mirror/. Ứng dụng này được lưu trữ trên OnWorks để có thể chạy trực tuyến dễ dàng nhất từ một trong những Hệ điều hành miễn phí của chúng tôi.