معرفی شرکت ها
fastwlk-0.2.9
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
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
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
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
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 بیشترتوضیحات
fastwlk is a Python package that implements a fast version of the Weisfeiler-Lehman kernel.
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | fastwlk-0.2.9 |
| نام | fastwlk |
| نسخه کتابخانه | 0.2.9 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Philip Hartout |
| ایمیل نویسنده | philip.hartout@protonmail.com |
| آدرس صفحه اصلی | - |
| آدرس اینترنتی | https://pypi.org/project/fastwlk/ |
| مجوز | BSD-3 Clause License |
=============================
FastWLK
=============================
.. image:: https://github.com/pjhartout/fastwlk/actions/workflows/main.yml/badge.svg
:target: https://github.com/pjhartout/fastwlk/
.. image:: https://img.shields.io/pypi/v/fastwlk.svg
:target: https://pypi.python.org/pypi/fastwlk
.. image:: https://codecov.io/gh/pjhartout/fastwlk/branch/main/graph/badge.svg?token=U054MJONED
:target: https://codecov.io/gh/pjhartout/fastwlk
.. image:: https://img.shields.io/website-up-down-green-red/http/shields.io.svg
:target: https://pjhartout.github.io/fastwlk/
Quick Links
-------------------------
`Documentation`_
`Installation`_
`Usage`_
`Contributing`_
What does ``fastwlk`` do?
-------------------------
``fastwlk`` is a Python package that implements a fast version of the
Weisfeiler-Lehman kernel. It manages to outperform current state-of-the-art
implementations on sparse graphs by implementing a number of improvements
compared to vanilla implementations:
1. It parallelizes the execution of Weisfeiler-Lehman hash computations since
each graph's hash can be computed independently prior to computing the
kernel.
2. It parallelizes the computation of similarity of graphs in RKHS by computing
batches of the inner products independently.
3. When comparing graphs, lots of computations are spent processing
positions/hashes that do not actually overlap between Weisfeiler-Lehman
histograms. As such, we manually loop over the overlapping keys,
outperforming numpy dot product-based implementations on collections of
sparse graphs.
This implementation works best when graphs have relatively few connections
compared to the number of possible connections and are reasonably dissimilar
from one another. If you are not sure the graphs you are using are either sparse
or dissimilar enough, try to benchmark this package with others out there using `this script`_.
How fast is ``fastwlk``?
-------------------------
Running the benchmark script in ``examples/benchmark.py`` shows that for the
graphs in ``data/graphs.pkl``, we get an approximately 80% speed improvement
over other implementations like `grakel`_. The example dataset contains 2-nn
graphs extracted from 100 random proteins from the human proteome from the
`AlphaFold EBI database`_.
To see how much faster this implementation is for your use case:
.. code-block:: console
$ git clone git://github.com/pjhartout/fastwlk
$ poetry install
$ poetry run python examples/benchmark.py
You will need to swap out the provided ``graphs.pkl`` with a pickled iterable of
graphs from the database you are interested in.
.. _Documentation: https://pjhartout.github.io/fastwlk/
.. _Installation: https://pjhartout.github.io/fastwlk/installation.html
.. _Usage: https://pjhartout.github.io/fastwlk/usage.html
.. _Contributing: https://pjhartout.github.io/fastwlk/contributing.html
.. _grakel: https://github.com/ysig/GraKeL
.. _AlphaFold EBI database: https://alphafold.ebi.ac.uk/download
.. _this script: https://github.com/pjhartout/fastwlk/blob/main/examples/benchmark.py
نیازمندی
| مقدار | نام |
|---|---|
| >=1.1.0,<2.0.0 | joblib |
| >=2.6.3,<3.0.0 | networkx |
| >=1.22.1,<2.0.0 | numpy |
| >=4.62.3,<5.0.0 | tqdm |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.9,<4.0 | Python |
نحوه نصب
نصب پکیج whl fastwlk-0.2.9:
pip install fastwlk-0.2.9.whl
نصب پکیج tar.gz fastwlk-0.2.9:
pip install fastwlk-0.2.9.tar.gz