支持多深度学习框架的图神经网络算法库GammaGL

北邮GAMMA LAB 与鹏城实验室最新开源图神经网络算法库Gamma Graph Library (GammaGL)，基于TensorLayerX开发，支持多后端深度学习框架，如TensorFlow、PyTorch、PaddlePaddle、MindSpore。

除此之外，GammaGL与主流的PyTorch Geometric (PyG) 的接口设计非常接近，你可以当做支持TensorFlow、Paddle、MindSpore的PyG来进行开发，一键即可切换后端深度学习框架。同时，我们提供了二十几个主流经典的模型，供大家复用。

本文将介绍三个方面内容：

• 根据背景介绍GammaGL的两大特点：支持多后端和类PyG的设计原则；

• GammaGL使用方法。

• GammaGL整体架构；

启智社区开源地址：https://git.openi.org.cn/GAMMALab/GammaGL

GitHub开源地址：https://github.com/BUPT-GAMMA/GammaGL

类PyG的使用方法与用户体验

PyG在Github已获得14.8k stars，无疑是最受欢迎的图神经网络框架之一。同时，PyG是PyTorch-on-the-rocks，即使用Tensor-centric的API，并接近原生PyTorch的设计原则，使得其与PyTorch一样拥有较高的易用性。所以，PyG也积累了大量的用户，顶会源码中也少不了PyG的身影。

因此，GammaGL借鉴了PyG的设计框架，如Tensor-centric的API设计、类torchvision的数据变换与增强等。如果你是一个PyG的用户或非常熟悉PyG，GammaGL将会非常友好，也将会扩展成为TensorFlow Geometric、Paddle Geometric、MindSpore Geometric。

预训练模型

GammaGL提供了二十余个算法供大家使用，包含同质图上一些经典的模型、对比学习模型、异质图神经网络模型等。

	TensorFlow	PyTorch	Paddle	MindSpore
GCN [ICLR 2017]	✔️	✔️	✔️	✔️
GAT [ICLR 2018]	✔️	✔️	✔️
GraphSAGE [NeurIPS 2017]	✔️	✔️	✔️
ChebNet [NeurIPS 2016]	✔️	✔️
GCNII [ICLR 2017]	✔️	✔️	✔️
JKNet [ICML 2018]	✔️	✔️	✔️
DiffPool [NeurIPS 2018]
SGC [ICML 2019]	✔️	✔️	✔️
GIN [ICLR 2019]
APPNP [ICLR 2019]	✔️	✔️	✔️
AGNN [arxiv]	✔️	✔️	✔️
SIGN [ICML 2020 Workshop]	✔️	✔️	✔️
DropEdge [ICLR 2020]	✔️	✔️	✔️
GATv2 [ICLR 2021]	✔️	✔️	✔️
GPRGNN [ICLR 2021]	✔️
FAGCN [AAAI 2021]	✔️	✔️
GNN-Film [PMLR 2020]	✔️	✔️	✔️
GraphGAN [AAAI 2018]	✔️	✔️	✔️
HardGAT [KDD 2019]	✔️	✔️	✔️
MixHop [ICML 2019]	✔️	✔️	✔️
PNA [NeurIPS 2020]	✔️	✔️	✔️
GEN [WWW 2021]	✔️