一句话基于 Keras API 与 TensorFlow 2 的 Python 图深度学习/GNN 开源库。
定价免费开源 MIT license,正文未提及商业收费计划。
适合谁从事图神经网络、图深度学习、社交网络分析、分子性质预测、链接预测、图生成等任务的研究者与开发者。
核心功能基于 Python、Keras API 和 TensorFlow 2提供多种图卷积层,如 GCN、Chebyshev、GraphSAGE、GAT、GIN、APPNP 等提供多种图池化层,如 MinCut、DiffPool、Top-K、SAG、Global pooling 等包含图数据表示、操作和变换工具提供 Graph、Dataset、Loader、Transforms 等数据处理能力支持通过 PyPI、源码和 Google Colab 安装提供教程、示例和文档
功能与用途Spektral 是一个用于图深度学习的 Python 库,目标是提供简单且灵活的 GNN 构建框架。可用于社交网络用户分类、分子性质预测、图生成、节点聚类、链接预测等图数据任务。
支持语言/框架支持 Python 3.6 及以上,基于 Keras API 和 TensorFlow 2。测试环境包括 Ubuntu、MacOS、Windows,其他 Linux 发行版应可工作。
开源还是闭源开源,源码托管在 GitHub,采用 MIT license。
自托管选项作为 Python 库本地安装使用;可通过 PyPI、源码安装,也可在 Google Colab 中安装。正文未涉及服务端自托管平台。
定价免费开源;正文未提及付费版或商业订阅。
API/SDK提供 Python 库/API,包括图卷积层、池化层、模型、数据容器、数据集、Loader、Transforms、Utils 等模块。
集成与生态与 TensorFlow 2 和 Keras 集成;可通过 PyPI 安装;支持 Google Colab;提供 OGB 数据集 wrapper,并包含 QM7、ModelNet10/40 等数据集相关能力。
文档质量站点包含 Home、Installation、Getting started、Tutorials、Examples、Layers、Models、Datasets、Loaders、Transforms、Utils 等文档栏目,覆盖安装、入门、数据模式、创建数据集/层和示例,结构较完整。
中国访问未知
适用场景社交网络用户分类、分子性质预测、使用 GAN 生成新图、节点聚类、链接预测,以及其他以图结构描述数据的机器学习任务。
同类PyTorch Geometric、DGL、TensorFlow GNN