赠书福利 | Github项目推荐 | NetworKit - 大规模网络高性能分析工具集

2019 年 6 月 6 日 AI研习社

NetworKit - NetworKit is a growing open-source toolkit for large-scale network analysis.

by kit-parco

https://networkit.github.io/ 

NetworKit是一个用于高性能网络分析的开源工具集。 其目的是提供分析数千到数十亿边缘大型网络的工具。为此,它实现了有效的图算法,其中许多并行使用多核架构。这些都是为了计算网络分析的标准度量。NetworKit专注于可扩展性和全面性,它也是算法工程的测试平台,包含最近发表的研究中的新算法(参见下面的文献列表)。

NetworKit是一个Python模块。 高性能算法是用C ++编写的,并通过Cython工具链暴露给Python。 Python反过来使我们能够以交互方式工作,并拥有丰富的数据分析和科学计算工具环境。 此外,如果需要,你可以构建NetworKit的内核并将其用作本机的库。

Github项目地址:

https://github.com/kit-parco/networkit

安装选项

NetWorkKit有以下三种安装方法:

  • NetworKit虚拟机:下载并尝试预装在虚拟机上的NetworKit。 建议Windows用户用这个方法安装使用NetworKit。

  • Pip安装:使用pip下载NetworKit Python包。 这是获取NetworKit的更简单方法,但这种情况下只能通过Python使用NetworKit。

  • 从源代码构建NetworKit:克隆或下载NetworKit的源代码,并从源代码构建C ++和Python模块。

后面的需求部分会有更详细的说明。 使用NetworKit作为Python扩展模块,你可以访问本机的高性能代码,同时可以在Python生态系统中以交互方式工作。 虽然标准的Python解释器工作正常,但我们建议将 IPython 和 jupyterhub 作为科学计算的良好环境。

安装NetworKit后,请务必查看我们的NetworKit 用户指南,了解NetworKit中提供的功能概述。

更多安装与使用相关内容,请访问Github项目查看。

文档

除了自述文件以外,NetworKit_UserGuide还以交互式的IPython Notebook的形式介绍了NetworKit工具。 DevGuide适用于想要为项目做出贡献的开发人员。 使用NetworKit作为Python模块时,请查看类、方法和函数对应的文档字符串。

C++源代码也以Doxygen格式记载,而Python源代码的文档可以用Sphinx生成。 最新版本的文档可以点击这里查看。 如果安装了两个实用程序,则可以通过在构建目录中构建docs目标(例如,make docs)轻松生成文档。

联系

有关NetworKit的问题,可以订阅我们的电子邮件列表(networkit@ira.uka.de)并随时提出请求。

要求

你需要以下软件才能将NetworKit安装为python包:

  • 一个现代的C ++编译器,例如:g++(>= 4.8)或clang++(>= 3.7)

  • 用于并行的OpenMP(通常附带编译器)

  • Python 3(建议使用3.4或更高版本,支持3.3)

  • Pip

  • CMake 3.5或更高版本(例如,pip3 install cmake

  • 建立系统:Make 或 Ninja

  • 对于开发人员:Cython 0.21或更高版本(例如,pip3 install cython

  • Sphinx和它的bootstrap主题(例如,pip3 install sphinx sphinx_bootstrap_theme

外部代码

项目源代码包括以下外部项目:

  • the The Lean Mean C++ Option Parser by Matthias S. Benkmann

  • the TTMath bignum library by Tomasz Sowa

License

该程序的源代码在MIT许可下发布。 如果你在项目中使用了我们项目的代码,我们会要求你引用我们的文献(参见下面的文献部分,尤其是技术报告)。 反馈也很受欢迎。

文献

NetworKit文献收集页面列出了NetworKit上作为工具包的文献、NetworKit中可用的算法以及简单地使用NetworKit。 如果你发现NetworKit对你的研究有用处,我们会要求你引用相应的文献。

端午节彩蛋!

端午假期除了去看(du)车展(che),还可以看书学习哦!

今天要赠送的书是《赋能:新创企业的成长课》。

定价:69.00元 出版时间:2019年4月

本书作者程天纵,前中国惠普总裁、德州仪器亚太区总裁、富士康副总裁在书中与大家分享 35年世界级大企业管理经验,500家初创企业的经营辅导。

作者将东西方管理精髓融会贯通,在企业经营、团队建设等方面游刃有余;长年在高科技产业一线,对新技术、新产业有着超前的敏锐;退休后以饱满的热情辅导近500家草根企业,对创新、创业问题了然于胸。

《赋能:新创企业的成长课》一书已经在6月5日【十号街】商城新品首发。


↓扫码即可购买↓



端午活动:在本文进行留言,说说端午假期的计划,即有机会获得本书免费兑换码。本次活动共有20个中奖名额。兑换码与兑换教程将在活动结束后进行发放。

活动时间:2019.06.06-2019.06.09


 点击 阅读原文 ,查看本文更多内容

登录查看更多
0

相关内容

PARCO:Parallel Computing。 Explanation:并行计算。 Publisher:Elsevier。 SIT:http://dblp.uni-trier.de/db/conf/parco/
【2020新书】实战R语言4,323页pdf
专知会员服务
100+阅读 · 2020年7月1日
Python导论,476页pdf,现代Python计算
专知会员服务
260+阅读 · 2020年5月17日
【资源】100+本免费数据科学书
专知会员服务
107+阅读 · 2020年3月17日
【经典书】Python数据数据分析第二版,541页pdf
专知会员服务
193+阅读 · 2020年3月12日
【2020新书】数据科学:十大Python项目,247页pdf
专知会员服务
213+阅读 · 2020年2月21日
【书籍推荐】简洁的Python编程(Clean Python),附274页pdf
专知会员服务
180+阅读 · 2020年1月1日
Github项目推荐 | gensim - Python中的主题建模
AI研习社
15+阅读 · 2019年3月16日
34个最优秀好用的Python开源框架
专知
9+阅读 · 2019年3月1日
推荐系统资源(文献、工具、框架)整理
专知
17+阅读 · 2019年2月4日
28 款 GitHub 最流行的开源机器学习项目(附地址)
七月在线实验室
4+阅读 · 2017年12月18日
资源 | GitHub上的五大开源机器学习项目
机器之心
9+阅读 · 2017年11月9日
33款可用来抓数据的开源爬虫软件工具 (推荐收藏)
数据科学浅谈
7+阅读 · 2017年7月29日
Arxiv
20+阅读 · 2019年11月23日
Arxiv
8+阅读 · 2019年5月20日
A Comprehensive Survey on Graph Neural Networks
Arxiv
21+阅读 · 2019年1月3日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
4+阅读 · 2018年3月30日
Arxiv
10+阅读 · 2018年2月4日
VIP会员
相关VIP内容
【2020新书】实战R语言4,323页pdf
专知会员服务
100+阅读 · 2020年7月1日
Python导论,476页pdf,现代Python计算
专知会员服务
260+阅读 · 2020年5月17日
【资源】100+本免费数据科学书
专知会员服务
107+阅读 · 2020年3月17日
【经典书】Python数据数据分析第二版,541页pdf
专知会员服务
193+阅读 · 2020年3月12日
【2020新书】数据科学:十大Python项目,247页pdf
专知会员服务
213+阅读 · 2020年2月21日
【书籍推荐】简洁的Python编程(Clean Python),附274页pdf
专知会员服务
180+阅读 · 2020年1月1日
相关论文
Arxiv
20+阅读 · 2019年11月23日
Arxiv
8+阅读 · 2019年5月20日
A Comprehensive Survey on Graph Neural Networks
Arxiv
21+阅读 · 2019年1月3日
Adversarial Transfer Learning
Arxiv
12+阅读 · 2018年12月6日
Arxiv
22+阅读 · 2018年8月30日
Arxiv
4+阅读 · 2018年3月30日
Arxiv
10+阅读 · 2018年2月4日
Top
微信扫码咨询专知VIP会员