graph-neural-networks

Bibliothèque de réseaux de neurones sur graphes (GNN) pour PyTorch

Package Python conçu pour faciliter l'apprentissage profond sur graphes, basé sur les frameworks DL existants.

Plongez dans le Deep Learning, l'apprentissage par renforcement, le Machine Learning, la vision par ordinateur et le NLP grâce à ces cours passionnants !

Livres, articles, vidéos et boîtes à outils sur la détection d'anomalies. Dernière mise à jour fin 2025 pour les travaux sur les LLM et VLM !

Liens vers des publications de conférences sur l'apprentissage profond basé sur les graphes.

Une bibliothèque de recommandation unifiée, complète et efficace.

RuVector est une base de données vectorielle GNN haute performance, temps réel et auto-apprenante, développée en Rust.

SuperGlue : Apprentissage de la mise en correspondance de caractéristiques avec des réseaux de neurones sur graphes (CVPR 2020, Oral)

🔨 🍇 💻 🚀 GraphScope : Un système de calcul sur graphes à grande échelle tout-en-un par Alibaba

StellarGraph - Apprentissage automatique sur les graphes

PyTorch Geometric Temporal : Traitement de signaux spatio-temporels avec des modèles d'apprentissage automatique neuronal (CIKM 2021).

Réseaux de neurones sur graphes avec Keras et Tensorflow 2

Jeux de données de référence, chargeurs de données et évaluateurs pour l'apprentissage automatique sur graphes

Informations académiques complètes et actualisées sur l'apprentissage fédéré (articles, frameworks, jeux de données, tutoriels, ateliers).

Transformer les relations géospatiales en graphes pour les réseaux de neurones sur graphes (GNN) et l'analyse de réseaux spatiaux.

Une liste organisée de documents et ressources sur la détection de fraude, d'anomalies et de valeurs aberrantes basés sur les graphes et les Transformers

Une liste à jour et organisée d'articles, de méthodes et de ressources sur l'apprentissage semi-supervisé.

CogDL : Une bibliothèque complète pour l'apprentissage profond sur graphes (WWW 2023)

Articles sur le pré-entraînement et l'apprentissage auto-supervisé sur les réseaux de neurones sur graphes (GNN).

Graph4nlp est une bibliothèque facilitant l'utilisation des réseaux de neurones sur graphes (GNN) pour le NLP. Visitez notre site DLG4NLP (https://dlg4nlp.github.io/index.html) pour accéder à diverses ressources d'apprentissage.

Une plateforme d'apprentissage automatique puissante et flexible pour la découverte de médicaments

Une bibliothèque Python pour la détection de valeurs aberrantes (détection d'anomalies) dans les graphes

Code pour l'article TKDE "Self-supervised learning on graphs: Contrastive, generative, or predictive".

Un framework industriel de réseaux de neurones sur graphes

ktrain est une bibliothèque Python qui rend le deep learning et l'IA plus accessibles et faciles à appliquer

Bibliothèque de graphes de protéines

Framework et boîte à outils AutoML pour l'apprentissage automatique sur les graphes.

Analyse de graphes GPU programmable en CUDA/C++

Une bibliothèque adversarial PyTorch pour les méthodes d'attaque et de défense sur les images et les graphes

[IEEE T-KDE 2026] Awesome Deep Graph Clustering est une collection de méthodes de pointe et innovantes en clustering de graphes profonds (articles, codes et jeux de données).