Startseite Projekte graph_nets
graph_nets
Python

graph_nets

Graph Nets in TensorFlow erstellen

von google-deepmind · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Sprache
artificial-intelligencedeep-learninggraph-networksApache-2.0Python
Auf GitHub ansehen
In einfachen Worten

Baue und aktualisiere graphbasierte Modelle für KI-Anwendungen mit Tensorflow.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
graph_nets — GitHub preview card
📈 Sternhistorie
5 4045 402
2026-07-042026-08-31
📈 graph_nets verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Graph Nets in TensorFlow erstellen

graph_nets hat 5.4k Sterne auf GitHub. Es wurde 778-mal geforkt. graph_nets ist hauptsächlich in Python geschrieben. Es wird seit 2018 aktiv entwickelt. graph_nets ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: artificial-intelligence, deep-learning, graph-networks, graphs.

Frequently asked questions

Was ist graph_nets?

Graph Nets in TensorFlow erstellen

Ist graph_nets Open Source?

graph_nets ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.

Ist graph_nets kostenlos?

Ja. graph_nets ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht graph_nets?

graph_nets ist unter der Apache-2.0-Lizenz verfügbar.

In welcher Sprache ist graph_nets geschrieben?

graph_nets ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — graph_nets

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=google-deepmind-graph-nets)](https://olud.ai/project/google-deepmind-graph-nets.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.