这是名为 Graph Nets library 的 Linux 应用程序，其最新版本可以下载为 graph_netsv1.1.0sourcecode.tar.gz。它可以在免费的工作站托管服务提供商 OnWorks 上在线运行。
使用 OnWorks 免费下载并在线运行这个名为 Graph Nets library 的应用程序。
请按照以下说明运行此应用程序：
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从此网站启动OnWorks Linux online 或Windows online emulator 或MACOS online emulator。
- 5. 从您刚刚启动的 OnWorks Linux 操作系统，使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序，安装并运行。
截图：
图形网络库
描述：
Graph Nets 由 Google DeepMind 开发，是一个 Python 库，旨在使用 TensorFlow 和 Sonnet 构建和训练图神经网络 (GNN)。它提供了一个灵活的高级框架，用于构建直接操作图结构数据的神经架构。图网络以图作为输入，包括边、节点和全局属性，并生成更新后的图，并在每一层级上修改特征表示。该库实现了 DeepMind 论文《关系归纳偏差、深度学习和图网络》中的基本思想，提供了探索关系推理和消息传递神经网络的工具。Graph Nets 支持 TensorFlow 1 和 TensorFlow 2，可在 CPU 和 GPU 环境下运行，并包含用于最短路径查找、排序和物理预测任务的 Jupyter 教学演示。代码库强调模块化，允许用户轻松定义自己的边、节点和全局更新函数。
功能
- 使用 TensorFlow 和 Sonnet 构建图神经网络的框架
- 支持图级、节点级、边级特征学习
- 与 TensorFlow 1.x 和 2.x 兼容，适用于 CPU 和 GPU 设置
- 包括 Colab 和 Jupyter 演示笔记本，用于实践学习和实验
- 通过可定制的图形更新功能实现模块化架构设计
- 适用于物理模拟、排序和寻路等一系列任务
程式语言
Python
分类
此应用程序也可从 https://sourceforge.net/projects/graph-nets-library.mirror/ 获取。它已托管在 OnWorks 中，以便通过我们的免费操作系统之一以最便捷的方式在线运行。