百度在WAVE Summit+峰会上发布了图学习框架PGL，基于飞桨，利用Lod Tensor特性实现高效并行的消息传递，性能超越DGL13倍。PGL支持大规模图训练，可处理十亿节点百亿边的图，并提供异构图支持和13种预置图学习模型，助力图神经网络在推荐系统、知识图谱等领域应用。
近日，在「WAVE Summit+」2019 深度学习开发者秋季峰会上，百度对外发布基于飞桨的图学习框架Paddle Graph Learning (PGL)。
近几年来，深度神经网络的成功推动了人工智能的发展，然而，在实际场景中，有大量的数据是在非欧式空间的，这限制了深度神经网络的应用。而图神经网络在非结构化数据上有着出色的处理能力，使得最近一段时间图神经网络在学界与工业界上大放光彩。
百度顺应潮流发布的PGL充分利用飞桨独有的Lod Tensor特性，实现了高度并行的图神经网络消息传递机制，在性能上超越了DGL等现有图学习框架13倍。依托于飞桨核心框架以及自研的分布式图引擎，PGL可支持十亿节点百亿边的巨图训练。此外，PGL原生支持异构图Meta Path采样以及Message Passing双模式，预置了13种业界主流图学习算法，方便开发者熟悉和使用图神经网络领域模型。下面我们逐一揭秘PGL的技术特色。
1. 高效：通用消息聚合性能超越业
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
