DeepGNN

让十亿级图数据的 GNN 训练跑得动、跑得快

开源 free 模型训练

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 144

维护状态较活跃

是否开源是

定价模式 free

项目预览

项目数据

分类模型训练

开发团队microsoft

所属国家

官网地址

GitHubhttps://github.com/microsoft/DeepGNN

定价模式free

价格说明开源免费，无在线服务

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型

GitHub 星标★ 144

30天Star增速

HF 下载量

上线时间2022-04-21 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-17

浏览次数0

项目介绍

DeepGNN 是微软开源的图神经网络训练框架，目标是让 GNN 模型能在超大规模图数据上高效训练。传统 GNN 框架在处理十亿级节点和边时，常受限于内存不足和采样效率低，DeepGNN 通过分层采样、邻居缓存和分布式训练等机制，把图切分到多台机器或多张 GPU 上协同计算，同时保持模型精度。它提供统一的训练接口，支持 GraphSAGE、GAT 等主流模型，并兼容 PyTorch 生态，开发者可以用较少代码改动把单机实验扩展到生产级图数据。框架还内置了数据管道优化和通信压缩，降低分布式场景下的带宽压力。适合推荐系统、社交网络分析、知识图谱等需要处理海量关系数据的场景，帮助团队从原型快速走向大规模部署。