Paddle Graph Learning (PGL) is an efficient and flexible graph learning framework based on PaddlePaddle
版本更新:
1、框架模型更新:
2、工具库更新:
版本小更新:
版本小更新
1、发布Graph4Rec:一个用于推荐系统的通用大规模分布式图表示学习工具包(详情请参考这里)。
2、发布Graph4KG:一个用于大规模知识图谱表示学习的工具包(详情请参考这里)。
3、发布GNNAutoScale:一个用于图学习异构设备训练的工具包(详情请参考这里)。
4、新特性
5、Bug修复
• (重要更新)基于Paddle 2.0rc对PGL进行重构,依赖Segment系列OP构建动态图版本的PGL,在保证效率的同时,大大提升了易用性。注意!!本升级为不兼容升级,静态图版本PGL(<1.3)将处于不升级维护状态; • 统一了旧版Graph、MultiGraph与GraphWrapper的概念为Graph,新增动态图PGL全新文档; • 新增动态图版本PGL Model Zoo,支持Deepwalk、GCN、GAT、SGC、APPNP、GraphSage、GIN、GCNII等8个模型,并支持分布式能力。更多模型将会在后续版本发布; • 新增DataLoader支持多进程图采样能力; • 新增图神经网络7日打卡营课程资料;
• 发布业界首个结合语义信息与结构信息的图神经网络模型ERNIESage • 新增PGL-KE,目前PGL涵盖游走类、消息传递类以及知识嵌入类等25+图学习模型 • 新增Graph Batch、Graph Pooling等Graph类操作算子 • 全面支持Open Graph Benchmark基准测试集 • Model Zoo新增ERNIESage、MetaPath2Vec++、Mulit-MetaPath2Vec++、STGCN、GIN、PinSage模型
发布飞桨图学习框架PGL v1.0正式版:
图学习框架PGL(Paddle Graph Learning)preview版本 • 正式发布基于PaddlePaddle的图学习框架PGL,提供基于游走(Walk Based)以及消息传递(Message Passing)两种计算范式去搭建最前沿的图学习算法,如图表征学习、图神经网络等。PGL充分利用Paddle LoD Tensor特性大幅提升Message-Passing范式中信息聚合效率,兼顾了灵活性和高效性。 • 新增基于PGL复现的GCN、GAT,在多个数据集达到SOTA水平。 • 新增基于大规模子图采样模型Graphsage模型,单机可支持5千万节点、20亿条边的巨图。 • 新增node2vec,deepwalk等图表征学习方法,达到SOTA水平。 • 新增PGL文档、API、tutorial等易用性材料。