DGL (مكتبة الرسم البياني العميق) هي مكتبة Python مفتوحة المصدر تم تطويرها بواسطة DMLC (مجتمع التعلم الآلي الموزع)، وتركز على البحث والتطبيق في الشبكات العصبية الرسومية (Graph Neural Networks, GNNs). توفر DGL مجموعة غنية من هياكل بيانات الرسم البياني، وطبقات الشبكات العصبية الرسومية، وتنفيذ خوارزميات الرسم البياني، بهدف مساعدة الباحثين والمطورين على إجراء التعلم العميق لبيانات الرسم البياني بكفاءة.
توجد هياكل الرسم البياني في كل مكان في العالم الحقيقي، مثل الشبكات الاجتماعية، وقواعد المعرفة، والهياكل الجزيئية، وما إلى ذلك. يصعب على طرق التعلم العميق التقليدية معالجة بيانات الرسم البياني مباشرةً، لأن هيكل الرسم البياني غير منتظم والاتصالات بين العقد معقدة. الشبكات العصبية الرسومية (GNN) هي نموذج تعلم عميق مصمم خصيصًا لمعالجة بيانات الرسم البياني، وهو قادر على تعلم تمثيلات العقد والحواف، وإجراء مهام مثل تصنيف العقد، والتنبؤ بالارتباطات، وتصنيف الرسم البياني.
ومع ذلك، فإن تنفيذ وتحسين GNN يمثل تحديًا. نماذج GNN المختلفة لها آليات تمرير الرسائل ووظائف التجميع المختلفة، ويتطلب التنفيذ اليدوي لهذه النماذج قدرًا كبيرًا من التعليمات البرمجية والخبرة المتخصصة. بالإضافة إلى ذلك، عادةً ما يكون حجم بيانات الرسم البياني كبيرًا، ويتطلب طرق حساب وتخزين فعالة.
يهدف ظهور DGL إلى حل هذه المشكلات، حيث يوفر إطارًا موحدًا يبسط تطوير ونشر GNN، ويوفر قدرات حسابية عالية الأداء.
يمكن تطبيق DGL على مجموعة متنوعة من المهام المتعلقة بالرسم البياني، بما في ذلك:
يتم استخدام DGL من قبل عدد متزايد من الباحثين والمهندسين، وقد حققت نتائج ملحوظة.