Il s'agit de l'application Linux nommée DGL dont la dernière version peut être téléchargée en tant que v1.1.2.zip. Il peut être exécuté en ligne dans le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne cette application nommée DGL avec OnWorks gratuitement.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN
Ad
DGL
DESCRIPTION
Construisez vos modèles avec PyTorch, TensorFlow ou Apache MXNet. Primitives de transmission de messages rapides et efficaces en mémoire pour l'entraînement des réseaux de neurones graphiques. Évoluez vers des graphiques géants via l'accélération multi-GPU et l'infrastructure de formation distribuée. DGL permet une variété de projets spécifiques à un domaine, y compris DGL-KE pour l'apprentissage des intégrations de graphes de connaissances à grande échelle, DGL-LifeSci pour la bioinformatique et la chimie, et bien d'autres. Nous souhaitons rapprocher les graphes des chercheurs en apprentissage en profondeur. Nous voulons faciliter l'implémentation d'une famille de modèles de réseaux de neurones graphiques. Nous souhaitons également rendre la combinaison de modules basés sur des graphes et des modules basés sur des tenseurs (PyTorch ou MXNet) aussi fluide que possible. DGL fournit un objet graphique puissant qui peut résider sur le CPU ou le GPU. Il regroupe des données structurelles ainsi que des fonctionnalités pour un meilleur contrôle. Nous fournissons une variété de fonctions pour le calcul avec des objets graphiques, y compris des primitives de transmission de messages efficaces et personnalisables pour les réseaux de neurones graphiques.
Caractéristiques
- Une bibliothèque de graphes prête pour GPU
- Modèles, modules et références pour les chercheurs de GNN
- Facile à apprendre et à utiliser
- Évolutif et efficace
- Beaucoup de matériel d'apprentissage pour toutes sortes d'utilisateurs, du chercheur en ML aux experts du domaine
- Optimise l'ensemble de la pile pour réduire la surcharge de communication, la consommation de mémoire et la synchronisation
Langage de programmation
Python
Catégories
Il s'agit d'une application qui peut également être récupérée à partir de https://sourceforge.net/projects/dgl.mirror/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.
