使用tf_geometric在TensorFlow中进行高效图深度学习
机器学习
2021-01-28 v1 机器学习
摘要
我们介绍tf_geometric，一个高效且友好的图深度学习库，兼容TensorFlow 1.x与2.x。tf_geometric提供用于构建图神经网络（GNNs）的核心库以及流行GNN的实现。核心库包含构建高效GNN的基础设施，包括图数据结构、图map-reduce框架、图小批量策略等。这些基础设施使tf_geometric支持单图计算、多图计算、图小批量、分布式训练等；因此，tf_geometric可用于多种图深度学习任务，如转导式节点分类、归纳式节点分类、链接预测与图分类。基于核心库，tf_geometric为不同任务实现了多种流行GNN模型。为便利GNN实现，tf_geometric还提供其他一些用于数据集管理、图采样等的库。不同于现有流行GNN库，tf_geometric不仅提供面向对象编程（OOP）API，还提供函数式API，使tf_geometric能处理如图形元学习等高级图深度学习任务。tf_geometric的API友好，适合初学者与专家。本文中，我们首先概述tf_geometric框架。随后，我们在一些基准数据集上实验并报告由tf_geometric实现的若干流行GNN模型的性能。
引用
@article{arxiv.2101.11552,
title = {Efficient Graph Deep Learning in TensorFlow with tf_geometric},
author = {Jun Hu and Shengsheng Qian and Quan Fang and Youze Wang and Quan Zhao and Huaiwen Zhang and Changsheng Xu},
journal= {arXiv preprint arXiv:2101.11552},
year = {2021}
}
备注
7 pages, 5 figures