Esta es la aplicación de Linux llamada DGL cuya última versión se puede descargar como v1.1.2.zip. Se puede ejecutar en línea en el proveedor de alojamiento gratuito OnWorks para estaciones de trabajo.
Descargue y ejecute en línea esta aplicación llamada DGL con OnWorks de forma gratuita.
Siga estas instrucciones para ejecutar esta aplicación:
- 1. Descargue esta aplicación en su PC.
- 2. Ingrese en nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 3. Cargue esta aplicación en dicho administrador de archivos.
- 4. Inicie el emulador en línea OnWorks Linux o Windows en línea o el emulador en línea MACOS desde este sitio web.
- 5. Desde el SO OnWorks Linux que acaba de iniciar, vaya a nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 6. Descarga la aplicación, instálala y ejecútala.
SCREENSHOTS
Ad
DGL
DESCRIPCIÓN
Cree sus modelos con PyTorch, TensorFlow o Apache MXNet. Primitivas de paso de mensajes rápidas y eficientes en memoria para entrenar redes neuronales gráficas. Escale a gráficos gigantes a través de la aceleración de múltiples GPU y la infraestructura de capacitación distribuida. DGL permite una variedad de proyectos de dominios específicos, incluido DGL-KE para el aprendizaje de incrustaciones de gráficos de conocimiento a gran escala, DGL-LifeSci para bioinformática y quiminformática, y muchos otros. Estamos interesados en acercar los gráficos a los investigadores de aprendizaje profundo. Queremos facilitar la implementación de la familia de modelos de redes neuronales de gráficos. También queremos que la combinación de módulos basados en gráficos y módulos basados en tensores (PyTorch o MXNet) sea lo más fluida posible. DGL proporciona un potente objeto gráfico que puede residir en la CPU o en la GPU. Incluye datos estructurales y funciones para un mejor control. Proporcionamos una variedad de funciones para la computación con objetos gráficos, incluidas primitivas de paso de mensajes eficientes y personalizables para redes neuronales gráficas.
Caracteristicas
- Una biblioteca de gráficos lista para GPU
- Modelos, módulos y puntos de referencia para investigadores GNN
- Fácil de aprender y usar
- Escalable y eficiente
- Gran cantidad de materiales de aprendizaje para todo tipo de usuarios, desde investigadores de ML hasta expertos en dominios
- Optimiza toda la pila para reducir la sobrecarga en la comunicación, el consumo de memoria y la sincronización
Lenguaje de programación
Python
Categorías
Esta es una aplicación que también se puede obtener de https://sourceforge.net/projects/dgl.mirror/. Se ha alojado en OnWorks para poder ejecutarlo online de la forma más sencilla desde uno de nuestros Sistemas Operativos gratuitos.
