Accueil Projets graphtransformer
graphtransformer
Python

graphtransformer

Architecture de Transformateur Graphique. Code source pour "Une généralisation des réseaux de transformateurs aux graphes", DLG-AAAI'21.

par graphdeeplearning · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
Langue
aaaiattentiongraph-deep-learningMITPython
Voir sur GitHub
En termes simples

Construisez et expérimentez avec un nouveau type de réseau de neurones conçu pour les données de graphes.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
graphtransformer — GitHub preview card
📈 Historique des étoiles
1 0281 027
2026-07-202026-08-31
📈 Suivez graphtransformer

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Architecture de Transformateur Graphique. Code source pour "Une généralisation des réseaux de transformateurs aux graphes", DLG-AAAI'21.

graphtransformer compte 1k étoiles sur GitHub. Il a été forké 150 fois. graphtransformer est écrit principalement en Python. Il est développé activement depuis 2020. graphtransformer est disponible sous licence MIT. Ses principaux thèmes sont : aaai, attention, graph-deep-learning, graph-neural-networks.

Frequently asked questions

Qu'est-ce que graphtransformer ?

Architecture de Transformateur Graphique. Code source pour "Une généralisation des réseaux de transformateurs aux graphes", DLG-AAAI'21.

graphtransformer est-il open source ?

graphtransformer est un projet open source. Il est distribué sous licence MIT.

graphtransformer est-il gratuit ?

Oui. graphtransformer est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est graphtransformer ?

graphtransformer est disponible sous licence MIT.

Dans quel langage graphtransformer est-il écrit ?

graphtransformer est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
olud.ai badge — graphtransformer

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=graphdeeplearning-graphtransformer)](https://olud.ai/project/graphdeeplearning-graphtransformer.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
spektral
Réseaux de neurones graphiques avec Keras et Tensorflow 2.
2.4k · deep-learning
partagegraph-deep-learninggraph-neural-networks
dgl
Package Python conçu pour faciliter l'apprentissage profond sur graphes, sur la base des framew…
14.3k · deep-learning
partagegraph-neural-networks
Reinforcement-Learning-Papers
📚 Liste des articles de conférence de premier plan sur l'apprentissage par renforcement (RL), y…
369 · aaai
partageaaai
benchmarking-gnns
Dépôt pour l'évaluation des réseaux de neurones graphiques (JMLR 2023)
2.7k · benchmark-framework
partagegraph-deep-learning
graph4nlp
Graph4nlp est la bibliothèque pour une utilisation facile des réseaux de neurones graphiques po…
1.7k · deep-learning
partagegraph-neural-networks
LTSF-Linear
[AAAI-23 Oral] Implémentation officielle de l'article "Les Transformers sont-ils efficaces pour…
2.5k · aaai
partageaaai
awesome-semi-supervised-learning
😎 Une liste à jour et sélectionnée de papiers, méthodes et ressources sur l'apprentissage semi-…
1.9k · computer-vision
partagegraph-neural-networks
ktrain
ktrain est une bibliothèque Python qui rend l'apprentissage profond et l'IA plus accessibles et…
1.3k · computer-vision
partagegraph-neural-networks
OpenMythos
Une reconstruction théorique de l'architecture Claude Mythos, construite à partir de premiers p…
14.7k · ai
partageattention
DL4Proteins-notebooks
Notebooks Colab couvrant les outils d'apprentissage profond pour la prédiction et la conception…
703 · convolutional-neural-networks
partagegraph-neural-networks

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.