DeepMind开源图深度学习(GraphDL)工具包，基于Tensorflow和Sonnet

【导读】DeepMind在Github上开源了基于Tensorflow和Sonnet的图深度学习(GraphDL)工具包。近期，DeepMind、Google大脑、MIT等各大研究机构相继发表了一系列的关于图深度学习的论文，包括关系性RNN、关系性深度强化学习、图卷积神经网络等，是目前AI算法研究的热点之一。 

图深度学习(GraphDL)

---

关于图深度学习，我们以前写过一篇较为详细的公众号做了介绍：《图深度学习(GraphDL)，下一个人工智能算法热点？一文了解最新GDL相关文章》（链接：https://mp.weixin.qq.com/s/w5ldyp00CqkX8Kp-8Aw0nQ）

DeepMind开源的图深度学习工具包Graph Nets

---

DeepMind开源了图深度学习工具包Graph Nets，引起了不少人的关注。自两天前正式开源以来，已经获得了500+的star：

目前最火的GCN（图卷积网络）的作者Thomas Kipf也在Twitter上转发了Graph Nets项目：

Graph Nets能做什么

---

图神经网络的输入包含了边的集合、点的集合以及全局属性，图神经网络的输出与输入具有同样的结构，但是属性却得到了更新，这就是Graph Nets的功能。

Graph Nets的安装

---

Graph Nets目前支持Linux/Mac OS，对Python版本的要求是2.7或3.4+，目前官网中没有提到对Windows的支持。直接使用pip就可以完成安装：

pip install graph_nets

Graph Nets的使用

---

Graph Nets官网给出了一段示例代码，从这段代码来看，Graph Nets在内部封装了对图处理的逻辑，使用者只要提供图的结构，以及对边、点、全局信息进行处理的神经网络的结构，就可以训练图神经网络：

import graph_nets as gn
import sonnet as snt

# Provide your own functions to generate graph-structured data.
input_graphs = get_graphs()

# Create the graph network.
graph_net_module = gn.modules.GraphNetwork(
    edge_model_fn=lambda: snt.nets.MLP([32, 32]),
    node_model_fn=lambda: snt.nets.MLP([32, 32]),
    global_model_fn=lambda: snt.nets.MLP([32, 32]))

# Pass the input graphs to the graph network, and return the output graphs.
output_graphs = graph_net_module(input_graphs)

Graph Nets示例

---

Graph Nets提供了几个示例，包括：

最短路径：

https://colab.research.google.com/github/deepmind/graph_nets/blob/master/graph_nets/demos/shortest_path.ipynb

排序：

https://colab.research.google.com/github/deepmind/graph_nets/blob/master/graph_nets/demos/sort.ipynb

状态预测（物理）：

https://colab.research.google.com/github/deepmind/graph_nets/blob/master/graph_nets/demos/physics.ipynb

END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知