Dies ist die Linux-App namens PyG, deren neueste Version als PyG2.4.0_Modelcompilation,on-diskdatasets,hierarchicalsamplingsourcecode.zip heruntergeladen werden kann. Es kann online beim kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens PyG mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie den OnWorks Linux-Online- oder Windows-Online-Emulator oder den MACOS-Online-Emulator von dieser Website.
- 5. Rufen Sie vom gerade gestarteten OnWorks Linux-Betriebssystem aus unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter, installieren Sie sie und führen Sie sie aus.
SCREENSHOTS
Ad
PyG
BESCHREIBUNG
PyG (PyTorch Geometric) ist eine auf PyTorch aufbauende Bibliothek zum einfachen Schreiben und Trainieren von Graph Neural Networks (GNNs) für eine Vielzahl von Anwendungen im Zusammenhang mit strukturierten Daten. Es besteht aus verschiedenen Methoden für Deep Learning auf Graphen und anderen unregelmäßigen Strukturen, auch bekannt als geometrisches Deep Learning, aus einer Vielzahl von veröffentlichten Artikeln. Darüber hinaus besteht es aus einfach zu bedienenden Mini-Batch-Loadern für den Betrieb auf vielen kleinen und einzelnen riesigen Graphen, Multi-GPU-Unterstützung, DataPipe-Unterstützung, verteiltem Graph-Lernen über Quiver, einer großen Anzahl gängiger Benchmark-Datensätze (basierend auf simple Schnittstellen zum Erstellen eigener), der GraphGym-Experimentmanager und hilfreiche Transformationen, sowohl zum Lernen auf beliebigen Graphen als auch auf 3D-Netzen oder Punktwolken. Es sind lediglich 10 bis 20 Codezeilen erforderlich, um mit dem Training eines GNN-Modells zu beginnen (eine kurze Tour finden Sie im nächsten Abschnitt).
Eigenschaften
- Benutzerfreundliche und einheitliche API
- Umfassende und gepflegte GNN-Modelle
- Große Flexibilität
- Groß angelegte reale GNN-Modelle
- GraphGym-Integration
- Trainieren Sie Ihr eigenes GNN-Modell
Programmiersprache
Python
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/pyg.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, damit es auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme ausgeführt werden kann.
