新的PyTorch图神经网络库,快了14倍:LeCun盛赞,GitHub 2000星
副问题[/!--empirenews.page--]
本文经AI新媒体量子位(公家号ID:QbitAI)授权转载,转载请接洽出处。 “CNN已老,GNN当立!” 当科学家们发明,图神经收集 (GNN) 能搞定传统CNN处理赏罚不了的非欧数据,以前深度进修解不开的很多题目都找到了钥匙。 现在,有个图收集PyTorch库,已在GitHub摘下2000多星,还被CNN的爸爸Yann LeCun翻了牌: 它叫PyTorch Geometric,简称PyG,,聚积了26项图收集研究的代码实现。 这个库还很快,比起先进DGL图收集库,PyG最高可以到达它的15倍速率。 一应俱全的库要跑布局犯科则的数据,就用PyG吧。不管是图形 (Graphs),点云 (Point Clouds) 照旧流形(Manifolds) 。 这是一个丰厚的库:很多模子的PyTorch实现,各类有效的转换 (Transforms) ,以及大量常见的benchmark数据集,一应俱全。 说到实现,包罗Kipf等人的图卷积收集 (GCN) 和Bengio尝试室的图留意力收集 (GAT) 在内,2017-2019年各大顶会的 (至少) 26项图收集研究,这里都能找到快速实现。 到底能多快?PyG的两位作者用英伟达GTX 1080Ti做了尝试。 敌手DGL,也是图收集库: 在四个数据集里,PyG所有比DGL跑得快。最悬殊的一场角逐,是在Cora数据集上运行GAT模子:跑200个epoch,敌手耗时33.4秒,PyG只要2.2秒,相等于对方速率的15倍。 每个算法的实现,都支持了CPU计较和GPU计较。 食用要领库的作者,是两位德国少年,来自多特蒙德家产大学。 △ 个中一位 他们说,有了PyG,做起图收集就像一阵轻风。 你看,实现一个边沿卷积层 (Edge Convolution Layer) 只要这样罢了:
安装之前确认一下,至少要有PyTorch 1.0.0;再确认一下cuda/bin在$PATH里,cuda/include在$CPATH里:
然后,就开始各类pip install吧。 PyG项目传送门: https://github.com/rusty1s/pytorch_geometric PyG主页传送门: https://rusty1s.github.io/pytorch_geometric/build/html/index.html PyG论文传送门: https://arxiv.org/pdf/1903.02428.pdf (编辑:河北网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |