tf_geometric
Efficient and Friendly Graph Neural Network Library for TensorFlow 1.x and 2.x
파일 탐색기
최종 버전 다운로드 (.zip)- bench_node_cls_early_stop_appnp.py
- bench_node_cls_early_stop_gat.py
- bench_node_cls_early_stop_gcn.py
- bench_node_cls_early_stop_sgc.py
- bench_node_cls_early_stop_ssgc.py
- bench_report_results.py
- run_multi_times.sh
- demo_appnp.py
- demo_asap.py
- demo_chebynet.py
- demo_checkpoint.py
- demo_dgi.py
- demo_diff_pool.py
- demo_distributed_gcn.py
- demo_distributed_mean_pool.py
- demo_drop_edge_gcn.py
- demo_elegant_api.py
- demo_gae.py
- demo_gat.py
- demo_gcn.py
- demo_gin.py
- demo_graph_sage.py
- demo_graph_sage_func.py
- demo_mean_pool.py
- demo_min_cut_pool.py
- demo_model_net_dataset.py
- demo_sag_pool_h.py
- demo_sample_neighbors.py
- demo_save_and_load_model.py
- demo_set2set.py
- demo_sgc.py
- demo_sort_pool.py
- demo_sparse_node_features.py
- demo_ssgc.py
- demo_tagcn.py
- demo_topk_pool.py
- graph_utils.rst
- datasets.rst
- layers.rst
- nn.rst
- root.rst
- installation.rst
- quickstart.rst
- installation.rst
- quickstart.rst
- conf.py
- index.rst
- index_cn.rst
- build.sh
- make.bat
- Makefile
- requirements.txt
- test.sh
- __init__.py
- dataset.py
- graph.py
- __init__.py
- abnormal.py
- amazon_electronics.py
- blog_catalog.py
- coauthor.py
- csr_npz.py
- hgb.py
- model_net.py
- nars_academic.py
- ogb.py
- planetoid.py
- ppi.py
- reddit.py
- synthetic.py
- tu.py
- __init__.py
- appnp.py
- chebynet.py
- gat.py
- gcn.py
- gin.py
- graph_sage.py
- le_conv.py
- sgc.py
- ssgc.py
- tagcn.py
- __init__.py
- map_reduce.py
- __init__.py
- asap.py
- common_pool.py
- diff_pool.py
- min_cut_pool.py
- sag_pool.py
- set2set.py
- sort_pool.py
- __init__.py
- drop_edge.py
- __init__.py
- __init__.py
- appnp.py
- chebynet.py
- gat.py
- gcn.py
- gin.py
- graph_sage.py
- le_conv.py
- sgc.py
- ssgc.py
- tagcn.py
- __init__.py
- map_reduce.py
- segment.py
- __init__.py
- asap.py
- cluster_pool.py
- common_pool.py
- diff_pool.py
- min_cut_pool.py
- sag_pool.py
- set2set.py
- sort_pool.py
- topk_pool.py
- __init__.py
- drop_edge.py
- __init__.py
- __init__.py
- data_utils.py
- graph_utils.py
- tf_sparse_utils.py
- tf_utils.py
- union_utils.py
- __init__.py
- .gitignore
- deploy.sh
- LICENSE
- README.md
- README.rst
- readthedocs.yaml
- setup.py
- TF_GEOMETRIC_LOGO.png
- tutorial_intro.py
# 설치 가이드
1. 코드 내려받기
git clone https://github.com/CrawlScript/tf_geometric
깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.
cd tf_geometric
방금 내려받은 프로젝트 폴더 안으로 이동합니다.
2. 공식 설치 스크립트
쉬움 추천사전 준비물
- Python 3 pip 명령어를 쓰려면 Python이 필요합니다.
pip install -U tf_geometric # this will not install the tensorflow/tensorflow-gpu package
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install -U tf_geometric[tf1-cpu] # this will install TensorFlow 1.x CPU version
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install -U tf_geometric[tf1-gpu] # this will install TensorFlow 1.x GPU version
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install -U tf_geometric[tf2-cpu] # this will install TensorFlow 2.x CPU version
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
설치 후 새 터미널을 열고, 프로그램의 버전 확인 명령(예: --version)으로 정상 설치됐는지 확인하세요.
이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.
3. Python
쉬움사전 준비물
pip install -U tf_geometric # this will not install the tensorflow/tensorflow-gpu package
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install -U tf_geometric[tf1-cpu] # this will install TensorFlow 1.x CPU version
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install -U tf_geometric[tf1-gpu] # this will install TensorFlow 1.x GPU version
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install -U tf_geometric[tf2-cpu] # this will install TensorFlow 2.x CPU version
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
pip install -U tf_geometric[tf2-gpu] # this will install TensorFlow 2.x GPU version
PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.
에러 메시지 없이 실행되고 터미널에 안내 문구가 출력되면 정상입니다.
이 레포의 README에 적힌 실제 명령어를 그대로 가져왔습니다.
4. Make
보통사전 준비물
- Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
- Make Linux/macOS는 보통 기본 설치되어 있습니다. Windows는 별도 설치(예: MSYS2, WSL)가 필요합니다.
cd doc
이 프로젝트의 관련 파일이 하위 폴더 안에 있어서, 먼저 그 폴더로 이동합니다.
make
생성된 빌드 설정을 바탕으로 실제 컴파일을 진행해 실행 파일을 만듭니다.
에러 없이 끝나면 성공입니다. 생성된 실행 파일을 직접 실행해보세요.
// repository documentation
Was this content helpful?
(0 ratings)