高级API、异构图：谷歌发布TF-GNN，在TensorFlow中创建图神经网络

高效且友好的 TensorFlow GNN 库。

• 高级 keras 风格的 API 用于创建 GNN 模型，可以很容易地与其他类型的模型组合。GNN 通常与排序、深度检索结合使用或与其他类型的模型（图像、文本等）混合使用；

• 定义良好的模式用来声明图拓扑结构，以及验证工具。该模式描述了其训练数据的大小，并用于指导其他工具；

• GraphTensor 复合张量类型，可以用来保存图数据，也可以进行批处理，并具有可用的图操作例程；

• GraphTensor 结构操作库：在节点和边缘上进行各种有效的 broadcast 和 pooling 操作，以及提供相关操作的工具；标准 baked 卷积库，机器学习工程师、研究人员可以对其轻松扩展；高级 API 可以帮助工程师快速构建 GNN 模型而不必担心细节；

• 模型可以从图训练数据编码，以及用于将此数据解析为数据结构的库中提取各种特征。

import?tensorflow?as?tf
????import?tensorflow_gnn?as?tfgnn

????#?Model?hyper-parameters:
????h_dims?=?{'user':?256,?'movie':?64,?'genre':?128}

????#?Model?builder?initialization:
????gnn?=?tfgnn.keras.ConvGNNBuilder(
??????lambda?edge_set_name:?WeightedSumConvolution(),
??????lambda?node_set_name:?tfgnn.keras.layers.NextStateFromConcat(
?????????tf.keras.layers.Dense(h_dims[node_set_name]))
????)

????#?Two?rounds?of?message?passing?to?target?node?sets:
????model?=?tf.keras.models.Sequential([
????????gnn.Convolve({'genre'}),??#?sends?messages?from?movie?to?genre
????????gnn.Convolve({'user'}),??#?sends?messages?from?movie?and?genre?to?users
????????tfgnn.keras.layers.Readout(node_set_name="user"),
????????tf.keras.layers.Dense(1)
????])

class?WeightedSumConvolution(tf.keras.layers.Layer):
??"""Weighted?sum?of?source?nodes?states."""

??def?call(self,?graph:?tfgnn.GraphTensor,
???????????edge_set_name:?tfgnn.EdgeSetName)?->?tfgnn.Field:
????messages?=?tfgnn.broadcast_node_to_edges(
????????graph,
????????edge_set_name,
????????tfgnn.SOURCE,
????????feature_name=tfgnn.DEFAULT_STATE_NAME)
????weights?=?graph.edge_sets[edge_set_name]['weight']
????weighted_messages?=?tf.expand_dims(weights,?-1)?*?messages
????pooled_messages?=?tfgnn.pool_edges_to_node(
????????graph,
????????edge_set_name,
????????tfgnn.TARGET,
????????reduce_type='sum',
????????feature_value=weighted_messages)
????return?pooled_messages

$>?git?clone?https://github.com/tensorflow/gnn.git?tensorflow_gnn

$>?pip?install?tensorflow

$>?sudo?apt-get?install?graphviz?graphviz-dev

$>?cd?tensorflow_gnn?&&?python3?-m?pip?install?.

详解NVIDIA TAO系列分享第2期：

基于Python的口罩检测模块代码解析——快速搭建基于TensorRT和NVIDIA TAO Toolkit的深度学习训练环境

第2期线上分享将介绍如何利用NVIDIA TAO Toolkit，在Python的环境下快速训练并部署一个人脸口罩监测模型，同时会详细介绍如何利用该工具对模型进行剪枝、评估并优化。

TAO Toolkit 内包含了150个预训练模型，用户不用从头开始训练，极大地减轻了准备样本的工作量，让开发者专注于模型的精度提升。本次分享摘要如下：

• NVIDIA TAO Toolkit的独到特性
• TensorRT 8.0的最新特性
• 利用TAO Toolkit快速训练人脸口罩检测模型
• 利用TensorRT 快速部署人脸口罩检测模型

点击阅读原文，报名直播吧。

??THE END?

转载请联系本公众号获得授权

投稿或寻求报道：content@jiqizhixin.com

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/