MindSpore Graph Learning文档 ============================== MindSpore Graph Learning是一个基于MindSpore的高效易用的图学习框架。得益于MindSpore的图算融合能力,MindSpore Graph Learning能够针对图模型特有的执行模式进行编译优化,帮助开发者缩短训练时间。MindSpore Graph Learning还创新提出以点为中心编程范式,提供更原生的图神经网络表达方式,并内置覆盖大部分应用场景的模型,使开发者能够轻松搭建图神经网络。 .. image:: ./images/graphlearning_cn.png :width: 700px 设计特点 --------- 1. 以点为中心的编程范式 图神经网络模型需要在给定的图结构上做信息的传递和聚合,整图计算无法直观表达这些操作。MindSpore Graph Learning提供以点为中心的编程范式,更符合图学习算法逻辑和Python语言风格,可以直接进行公式到代码的翻译,减少算法设计和实现间的差距。 2. 高效加速图模型 MindSpore Graph Learning结合MindSpore的图算融合和自动算子编译技术(AKG)特性,自动识别图神经网络任务中特有的执行pattern进行融合和kernel level优化,能够覆盖现有框架中已有的算子和新组合算子的融合优化,获得相比现有流行框架平均3到4倍的性能提升。 未来路标 --------- MindSpore Graph Learning初始版本包含以点为中心的编程范式,并内置提供了典型图模型的实现,以及在小数据集上单机训练的案例和性能评测。初始版本暂时不包含大数据集上的性能评测和分布式训练,也不支持对接图数据库。MindSpore Graph Learning后续版本将包含这些内容,敬请期待。 使用MindSpore Graph Learning的典型场景 --------------------------------------- - 整图训练GCN网络 整图训练需要用户的图节点和边特征都能存入GPU,图卷积神经网络(GCN)是采用卷积操作的一类图神经网络。 .. toctree:: :maxdepth: 1 :caption: 安装部署 mindspore_graphlearning_install .. toctree:: :maxdepth: 1 :caption: 使用指南 full_training_of_GCN .. toctree:: :maxdepth: 1 :caption: API参考 mindspore_gl.dataset mindspore_gl.nn mindspore_gl.parser mindspore_gl.sampling .. toctree:: :maxdepth: 1 :caption: 参考文档 faq