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 est un framework et une bibliothèque d'apprentissage profond structuré sur graphes pour construire des réseaux de neurones à passage de messages. Il fournit des outils pour concevoir des architectures qui opèrent sur des nœuds et des arêtes pour traiter et raisonner sur des données structurées en graphes en utilisant TensorFlow. Le framework implémente un paradigme de passage de messages pour l'échange d'informations itératif entre les nœuds. Cette approche permet le développement de modèles capables de raisonner sur des entrées complexes structurées en graphes pour des tâches telles que la recherche de chemin et le tri, ou de servir de prédicteur pour les états futurs et les trajectoires de systèmes physiques.

Titan est une base de données de graphes distribuée et un moteur de calcul conçu pour stocker et interroger des jeux de données massifs de nœuds et d'arêtes interconnectés à travers des clusters multi-machines. Il fonctionne comme une couche de stockage de graphes évolutive et un magasin transactionnel, fournissant un framework pour exécuter des tâches de traitement de graphes à grande échelle et des traversées profondes. Le système se distingue par son backend de stockage enfichable, qui découple le moteur de graphe de la couche de persistance physique. Il utilise un partitionnement de données par coupe de sommets (vertex-cut) pour équilibrer les charges de traitement et un modèle de propriété à cardinalité d'ensemble qui permet à des propriétés uniques de stocker plusieurs valeurs. La plateforme couvre un large éventail de capacités, incluant l'indexation de graphes multi-modèles pour les recherches géographiques et en texte intégral, la gestion de schéma globale pour la réindexation des jeux de données, et des opérations transactionnelles assurées par journalisation write-ahead. Elle incorpore également l'expiration d'éléments via des paramètres de durée de vie (TTL) et une surveillance de la performance système pour suivre l'activité des requêtes et la latence des transactions.