人大、东北大合开发「图机器学习库」Jittor Geometric！性能超越PYG、DGL

原标题：人大、东北大合开发「图机器学习库」Jittor Geometric！性能超越PYG、DGL
文章来源：新智元
内容字数：6271字

Jittor Geometric 1.0：国产图机器学习库强势来袭

中国人民大学和东北大合开发的图机器学习库Jittor Geometric 1.0版本正式发布，该库基于国产深度学习框架Jittor，在性能和易用性上都展现出显著优势。

1. 性能优越，超越主流框架

Jittor Geometric在多个图学习任务上的运行时间比PyTorch Geometric (PyG) 和Deep Graph Library (DGL) 等同类型框架提升了10%~50%。其高性能源于AVX向量化、顶点级别并行计算、稀疏矩阵算子设计、基于warp的并行计算以及CPU-GPU自动内存交换等多项技术优化。在小规模图数据集上，训练速度提升25%；在大规模图数据集上，显著优于PyTorch Geometric和Paddle Graph Learning，与Deep Graph Library相当。

2. 功能全面，支持多种模型和数据集

Jittor Geometric支持多种类型的图数据，涵盖图神经网络各领域经典任务的数据集，并提供灵活的API方便用户导入自定义数据集。它集成了谱域、动态、几何图神经网络模型等多种代表性图学习模型，包括深层图卷积模型GCNII和分子图基座模型Uni-Mol等前沿模型，极大降低了用户的学习成本。

3. 简洁易用，降低学习门槛

Jittor Geometric采用与PyTorch Geometric相似的模块化接口，易于上手。研发团队提供了良好的课程支持，并已将其应用于研究生课程教学，学生反馈良好，认为该框架简明易懂，学习成本低，训练速度快。

4. 未来展望：持续迭代，拓展应用

Jittor Geometric团队表示未来将持续改进，主要方向包括：补充更多前沿模型、加强对动态图的高效计算支持、进一步优化分布式训练框架以及提供PyTorch Geometric到Jittor Geometric的自动转换脚本。

5. 研发团队及开源信息

Jittor Geometric由中国人民大学魏哲巍教授和东北大学张岩峰教授及其团队共同打造。该项目已开源，开源地址：https://github.com/AlgRUC/JittorGeometric。

总而言之，Jittor Geometric 1.0 的发布为国内图机器学习领域带来了一个强有力的工具，其高效的性能、全面的功能以及易用性将助力研究人员和开发者们更便捷地进行前沿探索和落地应用。 团队致力于将其打造成国内外学术界最受欢迎的图机器学习库之一，并积极推动其在AI产业界的应用。

联系作者

文章来源：新智元
作者微信：
作者简介：智能+中国主平台，致力于推动中国从互联网+迈向智能+新纪元。重点关注人工智能、机器人等前沿领域发展，关注人机融合、人工智能和机器人对人类社会与文明进化的影响，领航中国新智能时代。