阿里妈妈开源分布式图表征学习框架Euler
极客时间编辑部
讲述：丁婵大小：2.25M时长：02:28
继去年 11 月开源面向高维稀疏数据场景的深度优化工具 X-Deep Learning 之后，阿里妈妈团队于近日正式开源大规模分布式图表征学习框架 Euler。
据了解，这一框架具有四大特点：
大规模图的分布式学习。支持图分割和高效稳定的分布式训练，可以轻松支撑数十亿点、数百亿边的计算规模。
支持复杂异构图的表征。在图结构存储和图计算的抽象上均良好的支持异构点、异构边类型的操作，并支持丰富的异构属性，可以很容易的在图学习算法中进行异构图的表征学习。
图学习与深度学习的结合。支持基于深度学习样本的 mini-batch 训练，把图表征直接输入到深度学习网络中联合训练。
分层抽象与灵活扩展。Euler 系统抽象为图引擎层、图操作算子层、算法实现层三个层次，可以快速的在高层扩展一个图学习算法，同时，Euler 内置了大量算法实现可供直接使用。
阿里妈妈团队表示，近年来随着在图深度学习技术的突破，有希望通过图引入知识结构和推理能力，与深度学习的结合，进一步提升模型能力。
据介绍，Euler 系统整体可以分为三层：
首先是最底层的分布式图引擎，针对海量图存储、分布式并行图计算以及异构图进行了优化设计，确保了工业场景下的有效应用。
其次是中间层图语义的算子。利用灵活的图操作算子，机器学习框架可以在每个 mini-batch 上与 Euler 交互、动态扩充与组织训练样本。这样，Euler 不仅支持传统的以图为中心的学习模式，并且可以把图学习的能力注入传统的学习任务，实现端到端训练。
最后是高层的图表示学习算法。除了 LINE 算法，Euler 实现的算法可以分为随机游走与邻居汇聚两大类算法，其中也有阿里妈妈团队自研的开创性算法。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论