新的PyTorch圖神經網路庫，比前輩快14倍：LeCun盛讚，GitHub 2000星

方栗子 發自 凹非寺

量子位 出品 | 公眾號 QbitAI

「CNN已老，GNN當立！」

當科學家們發現，圖神經網路(GNN) 能搞定傳統CNN處理不了的非歐數據，從前深度學習解不開的許多問題都找到了鑰匙。

如今，有個圖網路PyTorch庫，已在GitHub摘下2000多星，還被CNN的爸爸Yann LeCun翻了牌：

它叫PyTorch Geometric，簡稱PyG，聚集了26項圖網路研究的代碼實現。

這個庫還很快，比起前輩DGL圖網路庫，PyG最高可以達到它的15倍速度。

應有盡有的庫

要跑結構不規則的數據，就用PyG吧。不管是圖形(Graphs)，點雲(Point Clouds) 還是流形(Manifolds) 。

右邊是不規則的，非歐空間

這是一個豐盛的庫：許多模型的PyTorch實現，各種有用的轉換(Transforms) ，以及大量常見的benchmark數據集，應有盡有。

說到實現，包括Kipf等人的圖卷積網路 (GCN) 和Bengio實驗室的圖注意力網路 (GAT) 在內，2017-2019年各大頂會的 (至少) 26項圖網路研究，這裡都能找到快速實現。

到底能多快？PyG的兩位作者用英偉達GTX 1080Ti做了實驗。

對手DGL，也是圖網路庫：

在四個數據集里，PyG全部比DGL跑得快。最懸殊的一場比賽，是在Cora數據集上運行GAT模型：跑200個epoch，對手耗時33.4秒，PyG只要2.2秒，相當於對方速度的15倍。

每個演算法的實現，都支持了CPU計算和GPU計算。

食用方法

庫的作者，是兩位德國少年，來自多特蒙德工業大學。

其中一位

他們說，有了PyG，做起圖網路就像一陣微風。

你看，實現一個邊緣卷積層 (Edge Convolution Layer) 只要這樣而已：

安裝之前確認一下，至少要有PyTorch 1.0.0；再確認一下cuda/bin在$PATH里，cuda/include在$CPATH里：

然後，就開始各種pip install吧。

PyG項目傳送門：

https://github.com/rusty1s/pytorch_geometric

PyG主頁傳送門：

https://rusty1s.github.io/pytorch_geometric/build/html/index.html

PyG論文傳送門：

https://arxiv.org/pdf/1903.02428.pdf

—完—

訂閱AI內參，獲取AI行業資訊

購買AI書籍

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。

喜歡就點「好看」吧 !

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！