“分布式深度學習”,“圖學習”

阿里媽媽造發布國內首個工業級的圖深度學習開源框架Euler

Submitted by neurta on Sun, 05/12/2019 - 13:34
https://github.com/alibaba/euler 1.1Euler的核心能力 1)大規模圖的分布式學習 工業界的圖往往具有數十億節點和數百億邊,有些場景甚至可以到數百億節點和數千億邊,在這樣規模的圖上單機訓練是不可行的。Euler支持圖分割和高效穩定的分布式訓練,可以輕松支撐數十億點、數百億邊的計算規模。 2)支持復雜異構圖的表征 工業界的圖關系大都錯綜復雜,體現在節點異構、邊關系異構,另外節點和邊上可能有非常豐富的屬性,這使得一些常見的圖神經網絡很難學到有效的表達。Euler在圖結構存儲和圖計算的抽象上均良好的支持異構點、異構邊類型的操作,并支持豐富的異構屬性,可以很容易的在圖學習算法中進行異構圖的表征學習。 3)圖學習與深度學習的結合 工業界有很多經典場景,例如搜索/推薦/廣告場景,傳統的深度學習方法有不錯效果,如何把圖學習和傳統方法結合起來,進一步提升模型能力是很值得探索的。Euler支持基于深度學習樣本的mini-batch訓練,把圖表征直接輸入到深度學習網絡中聯合訓練。 4)分層抽象與靈活擴展 Euler系統抽象為圖引擎層、圖操作算子層、算法實現層三個層次,可以快速地在高層擴展一個圖學習算法。實際上,Euler也內置了大量的算法實現供大家直接使用。
var _hmt = _hmt || []; (function() { var hm = document.createElement("script"); hm.src = "https://hm.baidu.com/hm.js?44d5929b98ed1fd093ffc3d47ec712b9"; var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(hm, s); })(); document.writeln("");