启荣信息网移动版

咱们欢快地颁布发表，Deep Graph Library (DGL) ——一个便于摆设图神经网络的开源框架——在Amazon SageMaker上推出啦。

比年来，深度学习囊括世界，各类缘由是它具备从繁杂数据（如自由格式的文本、图象或者视频）中提取繁杂模式的神奇才能。可是，许大都据集不合适这些种别，更适宜用图或者者说网络来暗示。很天然的，咱们可以或许意想到传统的神经网络架构，如卷积神经网络或者轮回神经网络，其实不适宜如许的数据集，必要一种新的方式。

图神经网络进门

图神经网络（GNN）是现今机械学习中最使人兴奋的入铺之一，如下参考论文有助于您起头学习。

GNN用于训练以下数据集的展望模子：

1. 社交网络，用图显示相干职员之间的接洽，

1. 推荐体系，用图显示客户以及条款之间的交互，

1. 化学阐发，化合物被暗示为原子以及键图，

1. 网络平安，用图描写源以及方针IP地点之间的毗连，

1. 另有更多！

年夜大都时辰，这些数据集很是年夜，有标识表记标帜的只有一小部门。比方在欺诈检测场景中，咱们阐发某些用户与已经知欺诈者的瓜葛，展望他们是不是欺诈介入者的可能性。这一问题可以界说为半监视的学习使命，也即只对此中一小部门图节点入行标识表记标帜（’欺诈者’或者’正当’）。如许的解决方案，赛过构建手工标识表记标帜的年夜型数据集、对它入行"线性化"以便使用传统的机械学习算法。

解决这些问题必要畛域常识（比方批发、金融、化学等）、计较机迷信常识（Python、深度学习、开源东西）以及根本架构常识（训练、摆设以及模子扩大）。然而很少有人掌握一切这些技术，以是就必要DGL图神经框架以及Amazon SageMaker如许的东西。

DGL图神经框架先容

DGL图神经框架于2018年12月在Github上发布，它是一个开源的Python框架，可匡助研究职员、数据迷信家以及迷信家在其数据集上疾速构建、训练以及评价图神经网络。

DGL创建在盛行的深度学习框架（如PyTorch以及Apache MXNet）之上。若是您知道此中一个或者两个，你会发明驾轻就熟。咱们没有健忘TensorFlow的粉丝：DGL的下一个小版本将增长对TensorFlow的开端支撑，预计下一个年夜版本将彻底支撑。

不管使用哪一个框架，您均可以借助这些适宜初学者的示例轻松进门。我还发明 GTC 2019钻研会的幻灯片以及代码很是有效。

实现简略示例之后，您可以起头探索在DGL中已经经完成的一系列前沿模子。比方，您可使用图形卷积网络（GCN）以及CORA数据集，训练文档分类模子：

$ python3 train.py --dataset cora --gpu 0 --self-loop

一切模子的代码均可以查抄以及调整。AWS团队对这些完成方式入行了细心验证，验证了其机能，确保可以重现效果。

DGL 还包含一系列图数据集，您可以轻松地下载以及实验这些数据集。

固然，您可以在当地安装以及运转DGL，但为了让用户有更简略、流利的体验，咱们将其添加到PyTorch 以及 Apache MXNet深度学习容器中，这使患上在Amazon SageMaker上使用DGL更利便，便于规模化训练以及摆设模子，无需治理单个服务器。

药明康德 (WuXi AppTec) 是一家全世界性的制药以及医疗器械服务公司。开发一款新药是一个繁杂、低廉、漫长的进程，凡是要耗费26亿美元，均匀必要12年。为了加速这一进程，药明康德的计较机辅佐药物设计（CADD）团队始终在探索神经网络模子，以展望候选药物份子的药物特征。使用传统的方式，迷信家们要花几个礼拜乃至几个月的时间来构建以及验证模子、设置运用模子所需的计较资本。DGL以及Amazon SageMaker为迷信家提供了疾速摆设药物特征展望模子的解决方案，将建模时间缩短了5倍，从而加速了药物开发进程。

Bio-Techne是一家全世界性的生命迷信以及诊断公司，为世界各地的研究职员以及临床大夫提供服务。公司的产物有跨越50万种，包含高品质的试剂、仪器、临床节制，和组织以及液体活检诊断测试等。以高效而有意义的方法向其普遍的客户组织以及推荐产物，变患上相当首要。Bio-Techne数据试验室正在与 AWS 协作，踊跃测试图神经网络（GNN）的使用，以改良其当前的推荐算法。DGL 经由过程简略易用的 API ，简化了完成，将开发时间从几个月缩短到数周。BioTechne的评价效果评释，使用 DGL 完成的、基于GNN的推荐模子患上出的Top 10推荐，其精度比非GNN模子提高了70%。Bio-Techne将继续优化这些模子、正式使用 DGL以及Amazon SageMaker摆设推荐算法。

DGL的研发由2018年末成立的AWS上海人工智能研究院推进，与美国帕洛阿尔托的MXNet迷信团队紧密亲密协作实现。

###