ນີ້ແມ່ນແອັບ Windows ທີ່ມີຊື່ວ່າ DGL ເຊິ່ງລຸ້ນຫຼ້າສຸດສາມາດດາວໂຫຼດໄດ້ເປັນ v1.1.2.zip. ມັນສາມາດດໍາເນີນການອອນໄລນ໌ຢູ່ໃນ OnWorks ຜູ້ໃຫ້ບໍລິການໂຮດຕິ້ງຟຣີສໍາລັບບ່ອນເຮັດວຽກ.
ດາວນ໌ໂຫລດແລະດໍາເນີນການອອນໄລນ໌ app ນີ້ມີຊື່ DGL ກັບ OnWorks ໄດ້ຟຣີ.
ປະຕິບັດຕາມຄໍາແນະນໍາເຫຼົ່ານີ້ເພື່ອດໍາເນີນການ app ນີ້:
- 1. ດາວໂຫຼດຄໍາຮ້ອງສະຫມັກນີ້ໃນ PC ຂອງທ່ານ.
- 2. ໃສ່ໃນຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 3. ອັບໂຫລດແອັບພລິເຄຊັນນີ້ຢູ່ໃນຕົວຈັດການໄຟລ໌ດັ່ງກ່າວ.
- 4. ເລີ່ມ emulator ອອນ ໄລ ນ ໌ OS OnWorks ຈາກ ເວັບ ໄຊ ທ ໌ ນີ້, ແຕ່ ດີກ ວ່າ Windows ອອນ ໄລ ນ ໌ emulator.
- 5. ຈາກ OnWorks Windows OS ທີ່ເຈົ້າຫາກໍ່ເລີ່ມຕົ້ນ, ໄປທີ່ຕົວຈັດການໄຟລ໌ຂອງພວກເຮົາ https://www.onworks.net/myfiles.php?username=XXXXX ດ້ວຍຊື່ຜູ້ໃຊ້ທີ່ທ່ານຕ້ອງການ.
- 6. ດາວນ໌ໂຫລດຄໍາຮ້ອງສະຫມັກແລະຕິດຕັ້ງມັນ.
- 7. ດາວໂຫລດ Wine ຈາກບ່ອນເກັບມ້ຽນຊອບແວການແຈກຢາຍ Linux ຂອງທ່ານ. ເມື່ອຕິດຕັ້ງແລ້ວ, ທ່ານສາມາດຄລິກສອງຄັ້ງ app ເພື່ອດໍາເນີນການໃຫ້ເຂົາເຈົ້າກັບ Wine. ນອກນັ້ນທ່ານຍັງສາມາດລອງ PlayOnLinux, ການໂຕ້ຕອບທີ່ແປກປະຫຼາດໃນໄລຍະ Wine ທີ່ຈະຊ່ວຍໃຫ້ທ່ານຕິດຕັ້ງໂປລແກລມ Windows ແລະເກມທີ່ນິຍົມ.
ເຫຼົ້າແວງເປັນວິທີການແລ່ນຊອບແວ Windows ໃນ Linux, ແຕ່ບໍ່ມີ Windows ທີ່ຕ້ອງການ. ເຫຼົ້າແວງແມ່ນຊັ້ນຄວາມເຂົ້າກັນໄດ້ຂອງ Windows ແຫຼ່ງເປີດທີ່ສາມາດເອີ້ນໃຊ້ໂຄງການ Windows ໂດຍກົງໃນ desktop Linux ໃດກໍໄດ້. ໂດຍພື້ນຖານແລ້ວ, Wine ກໍາລັງພະຍາຍາມປະຕິບັດໃຫມ່ຢ່າງພຽງພໍຂອງ Windows ຕັ້ງແຕ່ເລີ່ມຕົ້ນເພື່ອໃຫ້ມັນສາມາດດໍາເນີນການຄໍາຮ້ອງສະຫມັກ Windows ທັງຫມົດໄດ້ໂດຍບໍ່ຕ້ອງໃຊ້ Windows.
ໜ້າ ຈໍ
Ad
ບໍລິສັດ DGL
ລາຍລະອຽດ
ສ້າງແບບຈໍາລອງຂອງທ່ານດ້ວຍ PyTorch, TensorFlow ຫຼື Apache MXNet. ຂໍ້ຄວາມໄວແລະປະສິດທິພາບຄວາມຊົງຈໍາທີ່ຜ່ານການສໍາລັບການຝຶກອົບຮົມ Graph Neural Networks. ປັບຂະໜາດເປັນກາຟຂະໜາດໃຫຍ່ຜ່ານການເລັ່ງຫຼາຍ GPU ແລະໂຄງສ້າງພື້ນຖານການຝຶກອົບຮົມທີ່ແຈກຢາຍ. DGL ເສີມສ້າງບັນດາໂຄງການສະເພາະຂອງໂດເມນລວມທັງ DGL-KE ສໍາລັບການຮຽນຮູ້ການຝັງເສັ້ນສະແດງຄວາມຮູ້ຂະຫນາດໃຫຍ່, DGL-LifeSci ສໍາລັບ bioinformatics ແລະ cheminformatics, ແລະອື່ນໆຈໍານວນຫຼາຍ. ພວກເຮົາມີຄວາມກະຕືລືລົ້ນທີ່ຈະນໍາເອົາກາຟທີ່ໃກ້ຊິດກັບນັກຄົ້ນຄວ້າການຮຽນຮູ້ເລິກ. ພວກເຮົາຕ້ອງການເຮັດໃຫ້ມັນງ່າຍທີ່ຈະປະຕິບັດ graph neural networks model family. ພວກເຮົາຍັງຕ້ອງການເຮັດໃຫ້ການປະສົມປະສານຂອງໂມດູນທີ່ອີງໃສ່ກາຟແລະໂມດູນ tensor (PyTorch ຫຼື MXNet) ກ້ຽງເທົ່າທີ່ເປັນໄປໄດ້. DGL ໃຫ້ວັດຖຸກາຟທີ່ມີປະສິດທິພາບທີ່ສາມາດອາໄສຢູ່ໃນ CPU ຫຼື GPU. ມັນລວບລວມຂໍ້ມູນໂຄງສ້າງເຊັ່ນດຽວກັນກັບລັກສະນະຕ່າງໆສໍາລັບການຄວບຄຸມທີ່ດີກວ່າ. ພວກເຮົາໃຫ້ຄວາມຫລາກຫລາຍຂອງຫນ້າທີ່ສໍາລັບຄອມພິວເຕີ້ກັບວັດຖຸກາຟລວມທັງຂໍ້ຄວາມທີ່ມີປະສິດທິພາບແລະສາມາດປັບແຕ່ງໄດ້ໃນຕອນຕົ້ນຂອງ Graph Neural Networks.
ຄຸນລັກສະນະ
- ຫ້ອງສະໝຸດກຣາບທີ່ພ້ອມດ້ວຍ GPU
- ແບບຈໍາລອງ, ໂມດູນແລະມາດຕະຖານສໍາລັບນັກຄົ້ນຄວ້າ GNN
- ງ່າຍຕໍ່ການຮຽນຮູ້ແລະ ນຳ ໃຊ້
- ສາມາດຂະຫຍາຍໄດ້ ແລະມີປະສິດທິພາບ
- ອຸປະກອນການຮຽນຮູ້ຫຼາຍສໍາລັບທຸກປະເພດຂອງຜູ້ໃຊ້ຈາກນັກຄົ້ນຄວ້າ ML ເຖິງຜູ້ຊ່ຽວຊານດ້ານໂດເມນ
- ເພີ່ມປະສິດທິພາບຂອງ stack ທັງຫມົດເພື່ອຫຼຸດຜ່ອນ overhead ໃນການສື່ສານ, ການບໍລິໂພກຫນ່ວຍຄວາມຈໍາແລະການ synchronization
ພາສາການຂຽນໂປຣແກຣມ
Python
ປະເພດ
ນີ້ແມ່ນແອັບພລິເຄຊັນທີ່ຍັງສາມາດເອົາມາຈາກ https://sourceforge.net/projects/dgl.mirror/. ມັນໄດ້ຖືກຈັດຢູ່ໃນ OnWorks ເພື່ອໃຫ້ດໍາເນີນການອອນໄລນ໌ໃນວິທີທີ່ງ່າຍທີ່ສຸດຈາກຫນຶ່ງໃນລະບົບປະຕິບັດງານຟຣີຂອງພວກເຮົາ.