Awesome GitHub RepositoriesGraph Computation

Angel is a distributed machine learning framework and graph computation engine designed to train predictive models and execute algorithms across a cluster of servers. It functions as a distributed parameter server that synchronizes model weights and gradients across multiple machines to handle massive datasets. The system provides a production environment for model inference deployment to provide real-time predictions for end users. It integrates with Spark to run machine learning workflows and data processing pipelines through a compatible interface. The framework covers distributed graph c

graph_nets ist ein Framework für graphstrukturiertes Deep Learning und eine Bibliothek zum Aufbau von Message-Passing-Neuronalen-Netzen. Es bietet Tools zum Entwurf von Architekturen, die auf Knoten und Kanten operieren, um Daten, die als Graphen strukturiert sind, mithilfe von TensorFlow zu verarbeiten und zu analysieren. Das Framework implementiert ein Message-Passing-Paradigma für den iterativen Informationsaustausch zwischen Knoten. Dieser Ansatz ermöglicht die Entwicklung von Modellen, die über komplexe graphstrukturierte Eingaben für Aufgaben wie Pfadfindung und Sortierung schlussfolgern können oder als Prädiktor für zukünftige Zustände und Trajektorien physikalischer Systeme dienen.

Titan ist eine verteilte Graphdatenbank und Computing-Engine, die für das Speichern und Abfragen massiver Datensätze aus miteinander verbundenen Knoten und Kanten über Multi-Maschinen-Cluster hinweg entwickelt wurde. Sie fungiert als skalierbare Graph-Speicherschicht und transaktionaler Speicher und bietet ein Framework für die Ausführung großskaliger Graph-Verarbeitungsjobs und tiefer Traversierungen. Das System zeichnet sich durch sein austauschbares Speicher-Backend aus, das die Graph-Engine von der physischen Persistenzschicht entkoppelt. Es nutzt Vertex-Cut-Datenpartitionierung, um Verarbeitungslasten auszugleichen, sowie ein Set-Kardinalitäts-Eigenschaftsmodell, das es ermöglicht, dass einzelne Eigenschaften mehrere Werte speichern können. Die Plattform deckt ein breites Spektrum an Funktionen ab, einschließlich Multi-Modell-Graph-Indizierung für geografische und Volltextsuchen, globales Schema-Management für die Neuindizierung von Datensätzen und transaktionale Operationen, die durch Write-Ahead-Logging sichergestellt werden. Zudem integriert es Element-Ablauf mittels Time-to-Live-Einstellungen und System-Performance-Monitoring zur Verfolgung von Abfrageaktivitäten und Transaktionslatenz.