معرفی شرکت ها

dgNN-0.1.1

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
0.1.1
0.1
0.0.2
0.0.1

توضیحات

A small example package
ویژگی مقدار
سیستم عامل -
نام فایل dgNN-0.1.1
نام dgNN
نسخه کتابخانه 0.1.1
نگهدارنده []
ایمیل نگهدارنده []
نویسنده HenryChang fishming
ایمیل نویسنده author@example.com
آدرس صفحه اصلی https://github.com/pypa/sampleproject
آدرس اینترنتی https://pypi.org/project/dgNN/
مجوز -
## dgNN dgNN is a high-performance backend for GNN layers with DFG (Data Flow Graph) level optimization. dgNN project is based on [PyTorch](https://github.com/pytorch/pytorch). ### How to install **through pip** ``` pip install dgNN ``` If pip couldn't build dgNN, we recommend you to build dgNN from source. ```shell git clone git@github.com:dgSPARSE/dgNN.git cd dgNN bash install.sh ``` ### Requirement ``` CUDA toolkit >= 10.0 pytorch >= 1.7.0 scipy dgl >= 0.7 (We use dgl's dataset) ``` We prepare a docker to run our implementation. You could run our dgNN in a docker container. ```shell cd docker docker build -t dgNN:v1 -f Dockerfile . docker run -it dgNN:v1 /bin/bash ``` ### Examples Our training script is modified from [DGL](https://github.com/dmlc/dgl). Now we implements three popular GNN models. **Run GAT** [DGL Code](https://github.com/dmlc/dgl/tree/master/examples/pytorch/gat) ```python cd dgNN/script/train python train_gatconv.py --num-hidden=64 --num-heads=4 --dataset cora --gpu 0 ``` **Run Monet** [DGL Code](https://github.com/dmlc/dgl/tree/master/examples/pytorch/monet) ```python cd dgNN/script/train python train_gmmconv.py --n-kernels 3 --pseudo-dim 2 --dataset cora --gpu 0 ``` **Run PointCloud** We use modelnet40-sampled-2048 data in our PointNet. [DGL Code](https://github.com/dmlc/dgl/tree/master/examples/pytorch/pointcloud) ```python cd dgNN/script/train python train_edgeconv.py ``` ### Collaborative Projects [CogDL](https://github.com/THUDM/cogdl) is a flexible and efficient graph-learning framework that uses GE-SpMM to accelerate GNN algorithms. This repo is implemented in CogDL as a submodule. ### LICENSE This project is projected by [Apache-2.0](https://github.com/dgSPARSE/dgNN/blob/main/LICENSE) License. If you use our dgNN project in your research, please cite the following bib: ```bibtex @misc{zhang2021understanding, title={Understanding GNN Computational Graph: A Coordinated Computation, IO, and Memory Perspective}, author={Hengrui Zhang and Zhongming Yu and Guohao Dai and Guyue Huang and Yufei Ding and Yuan Xie and Yu Wang}, year={2021}, eprint={2110.09524}, archivePrefix={arXiv}, primaryClass={cs.LG} } ```


زبان مورد نیاز

مقدار نام
>=3.6 Python


نحوه نصب


نصب پکیج whl dgNN-0.1.1:

    pip install dgNN-0.1.1.whl


نصب پکیج tar.gz dgNN-0.1.1:

    pip install dgNN-0.1.1.tar.gz