Ito ang Windows app na pinangalanang DGL na ang pinakabagong release ay maaaring ma-download bilang v1.1.2.zip. Maaari itong patakbuhin online sa libreng hosting provider na OnWorks para sa mga workstation.
I-download at patakbuhin online ang app na ito na pinangalanang DGL na may OnWorks nang libre.
Sundin ang mga tagubiling ito upang patakbuhin ang app na ito:
- 1. Na-download ang application na ito sa iyong PC.
- 2. Ipasok sa aming file manager https://www.onworks.net/myfiles.php?username=XXXXX kasama ang username na gusto mo.
- 3. I-upload ang application na ito sa naturang filemanager.
- 4. Magsimula ng anumang OS OnWorks online emulator mula sa website na ito, ngunit mas mahusay na Windows online emulator.
- 5. Mula sa OnWorks Windows OS na kasisimula mo pa lang, pumunta sa aming file manager https://www.onworks.net/myfiles.php?username=XXXX gamit ang username na gusto mo.
- 6. I-download ang application at i-install ito.
- 7. I-download ang Wine mula sa iyong mga Linux distributions software repository. Kapag na-install na, maaari mong i-double click ang app upang patakbuhin ang mga ito gamit ang Wine. Maaari mo ring subukan ang PlayOnLinux, isang magarbong interface sa ibabaw ng Wine na tutulong sa iyong mag-install ng mga sikat na programa at laro sa Windows.
Ang alak ay isang paraan upang patakbuhin ang software ng Windows sa Linux, ngunit walang kinakailangang Windows. Ang alak ay isang open-source na layer ng compatibility ng Windows na maaaring direktang magpatakbo ng mga program sa Windows sa anumang desktop ng Linux. Sa totoo lang, sinusubukan ng Wine na muling ipatupad ang sapat na Windows mula sa simula upang mapatakbo nito ang lahat ng mga Windows application na iyon nang hindi talaga nangangailangan ng Windows.
MGA LALAKI
Ad
DGLA
DESCRIPTION
Buuin ang iyong mga modelo gamit ang PyTorch, TensorFlow o Apache MXNet. Mabilis at memory-efficient message passing primitives para sa pagsasanay ng Graph Neural Networks. I-scale sa mga higanteng graph sa pamamagitan ng multi-GPU acceleration at distributed training infrastructure. Ang DGL ay nagbibigay ng kapangyarihan sa iba't ibang mga proyektong partikular sa domain kabilang ang DGL-KE para sa pag-aaral ng malakihang pag-embed ng knowledge graph, DGL-LifeSci para sa bioinformatics at cheminformatics, at marami pang iba. Masigasig kaming ilapit ang mga graph sa mga mananaliksik ng malalim na pag-aaral. Gusto naming gawing madali ang pagpapatupad ng graph neural networks model family. Nais din naming gawing maayos ang kumbinasyon ng mga graph based na module at tensor based modules (PyTorch o MXNet) hangga't maaari. Nagbibigay ang DGL ng malakas na graph object na maaaring manatili sa alinman sa CPU o GPU. Bini-bundle nito ang structural data pati na rin ang mga feature para sa isang mas mahusay na kontrol. Nagbibigay kami ng iba't ibang mga function para sa pag-compute gamit ang mga graph object kabilang ang mahusay at nako-customize na mga primitive sa pagpasa ng mensahe para sa Graph Neural Networks.
Mga tampok
- Isang GPU-ready graph library
- Mga modelo, module at benchmark para sa mga mananaliksik ng GNN
- Madaling malaman at gamitin
- Nasusukat at mahusay
- Napakaraming materyal sa pag-aaral para sa lahat ng uri ng user mula sa ML researcher hanggang sa mga eksperto sa domain
- Ino-optimize ang buong stack upang bawasan ang overhead sa komunikasyon, pagkonsumo ng memorya at pag-synchronize
Wika ng Programming
Sawa
Kategorya
Ito ay isang application na maaari ding kunin mula sa https://sourceforge.net/projects/dgl.mirror/. Na-host ito sa OnWorks upang mapatakbo online sa pinakamadaling paraan mula sa isa sa aming mga libreng Operative System.
