图深度学习是当前深度学习领域最热门的方向之一,图神经网络(GNN)不仅在理论上有所创新,在工业界中也真实的应用。本文介绍 Github 上热门的图神经网络源码及框架,方便研究人员和工程师上手图深度学习。
近两年来,图卷积、图注意力网络等图神经网络在学术界、工业界都有广泛的应用。虽然大多数图神经网络理论包含复杂的公式推导,但最终产出的网络结构(公式)缺一般比较简单,但这并不意味着图神经网络的实现会很简单。
导致图神经网络实现复杂的原因主要有以下几个:
以图卷积网络为例,它的原版依赖完整邻接矩阵和全部节点作为输入,对内存、显存和计算效率都造成了限制。好在目前有一些理论如 FaskGCN 可以通过 mini-batch 等方式来进行数据切分从而解决这个问题。
虽然利用稀疏矩阵可以一定程度上缓解上述问题,但依然不能处理大规模的数据。另外,由于多层网络结构的复杂,一般在实现时要同时实现稀疏版和非稀疏版的组件。
对图结构数据的预处理比较麻烦。例如在处理异构网络时,有时需要对每种类型的节点进行独立地编号、为每种关系独立建立子图等,才能将图数据转换为深度学习模型可用的数值化数据,并且任何一个细节可能都会影响算法的效率(如邻节点列表的数据结构使用 list 和 set 会导致不同的采样效率和查询效率)。
需要一些基于图的额外操作,例如 Random Walk、有类型约束的 Random Walk(Meta-path)等,由于图结构的复杂性,这些操作在单机上的实现都比较费力,更不用说在大规模分布式上。
图深度学习研究者和工业界在 Github 上开源了一些优秀的图神经网络的实现其框架,都从一定程度上去解决了上述的问题,非常值得我们借鉴。下面我们列出一些优秀的 Github 仓库:
DeepWalk / LINE
链接:
DeepWalk: https://github.com/phanein/deepwalk
LINE: https://github.com/tangjianpku/LINE
简介:
虽然 DeepWalk 和 LINE 属于网络表示学习中的算法,与现在端到端的图神经网络有一定的区别,但目前一些图神经网络应用(如社交网络、引用网络节点分类)依然使用 DeepWalk/LINE 来作为预训练算法,无监督地为节点获得初始特征表示。另外,DeepWalk 项目中的 Random Walk 也可以被直接拿来用作图神经网络的数据采样操作。
图卷积网络 GCN TensorFlow/PyTorch 版
链接:
TensorFlow:https://github.com/tkipf/gcn
PyTorch:https://github.com/tkipf/pygcn
简介:
GCN 论文作者提供的源码,该源码提供了大量关于稀疏矩阵的代码。例如如何构建稀疏的变换矩阵(这部分代码被其他许多项目复用)、如何将稀疏 CSR 矩阵变换为 TensorFlow/PyTorch 的稀疏 Tensor,以及如何构建兼容稀疏和非稀疏的全连接层等,几乎是图神经网络必读的源码之一了。
快速图卷积网络 FastGCN TensorFlow 版
链接:
https://github.com/matenure/FastGCN
简介:
FastGCN 作者提供的源码,基于采样的方式构建 mini-match 来训练 GCN,解决了 GCN 不能处理大规模数据的问题。
图注意力网络 GAT TensorFlow 版
链接:
https://github.com/PetarV-/GAT
简介:
GAT 论文作者提供的源码。源码中关于 mask 的实现、以及稀疏版 GAT 的实现值得借鉴。
Mini-batch 版图注意力网络 DeepInf
链接:
https://github.com/xptree/DeepInf
简介:
DeepInf 论文其实是 GAT 的一个应用,但其基于 Random Walk 采样子图构建 mini-batch 的方法解决了 GAT 在大规模网络上应用的问题。
DeepMind 开源的图神经网络框架Graph Nets
链接:
https://github.com/deepmind/graph_nets
简介:
基于 TensorFlow 和 Sonnet。上面的项目更侧重于节点特征的计算,而 graph_nets 同时包含节点和边的计算,可用于一些高级任务,如最短路径、物理场景模拟等。
工业级分布式图神经网络框架 Euler
链接:
https://github.com/alibaba/euler
简介:
Euler 是阿里巴巴开源的大规模分布式的图学习框架,配合 TensorFlow 或者阿里开源的 XDL 等深度学习工具,它支持用户在数十亿点数百亿边的复杂异构图上进行模型训练。
-
神经网络
+关注
关注
42文章
4771浏览量
100719 -
深度学习
+关注
关注
73文章
5500浏览量
121113 -
GitHub
+关注
关注
3文章
469浏览量
16428
原文标题:Github热门图深度学习(GraphDL)源码与框架
文章出处:【微信号:AI_era,微信公众号:新智元】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论