PGL——高效易用的基于Paddle的图学习框架

PGL是一款基于Paddle的高效易用的图学习框架，最新版本引入了对异构图的支持，并新增了MetaPath采样和异构图Message Passing机制，能够轻松搭建前沿的异构图学习算法。此外，最新发布的PGL还增加了分布式图存储和分布式图学习训练算法，如分布式deep walk和分布式graphsage。结合Paddle深度学习框架，PGL能够覆盖大部分图网络应用，包括图表示学习和图神经网络。与一般的模型相比，图神经网络最大的优势在于利用了节点之间的连接信息。PGL采用与DGL相似的消息传递范式作为构建图神经网络的接口，只需简单编写send和recv函数，就能轻松实现一个简单的GCN网络。详情可见下图。send函数定义在节点之间的边上，用户自定义的send函数将消息从源点发送到目标节点，而recv函数则负责将这些消息汇聚起来。