这是名为 PyG 的 Linux 应用程序，其最新版本可以作为 PyG2.4.0_Modelcompilation,on-diskdatasets,hierarchicalsamplingsourcecode.zip 下载。 它可以在免费的工作站托管提供商 OnWorks 中在线运行。
使用 OnWorks 免费下载并在线运行这个名为 PyG 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。
SCREENSHOTS
Ad
焦糖
商品描述
PyG（PyTorch Geometric）是一个建立在 PyTorch 之上的库，可以轻松编写和训练图形神经网络（GNN），用于与结构化数据相关的广泛应用。 它包含各种用于图形和其他不规则结构的深度学习方法，也称为几何深度学习，来自各种已发表的论文。 此外，它包含易于使用的小批量加载器，用于在许多小型和单个巨型图上运行，多 GPU 支持，DataPipe 支持，通过 Quiver 进行分布式图学习，大量通用基准数据集（基于简单的创建您自己的界面）、GraphGym 实验管理器和有用的转换，既可用于学习任意图形，也可用于 3D 网格或点云。 只需 10-20 行代码即可开始训练 GNN 模型（请参阅下一节快速浏览）。
特性
- 易于使用且统一的 API
- 全面且维护良好的 GNN 模型
- 灵活性极大
- 大规模真实世界 GNN 模型
- GraphGym 集成
- 训练你自己的 GNN 模型
程式语言
Python
分类
这是一个也可以从 https://sourceforge.net/projects/pyg.mirror/ 获取的应用程序。 它已托管在 OnWorks 中，以便以最简单的方式从我们的免费操作系统之一在线运行。
