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

       由极市、机器之心和中科创达联合举办的“2018计算机视觉最具潜力开发者榜单”评选活动，现已接受报名，杨强教授、俞扬教授等大牛嘉宾亲自评审，高通、中科创达、微众银行等大力支持，丰厚奖励，丰富资源，千万渠道，助力您的计算机视觉工程化能力认证，提升个人价值及算法变现。极市与您一起定义自己，发现未来～点击阅读原文即可报名~

来源：专知

【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-

*推荐阅读*

---

杨强教授、俞扬教授等大牛嘉宾评审团，万元大奖，丰富资源，助力您的计算机视觉工程化能力认证，点击阅读原文即可报名“2018计算机视觉最具潜力开发者榜单”~