安装部署

Wheel包安装

pip install graph-learn

源码编译安装

我们以Ubuntu 16.04下基于g++ 5.4.0为例, 来说明源码编译的步骤。

安装git

sudo apt-get install git-all

安装依赖的三方库

sudo apt-get install autoconf automake libtool libssl-dev cmake python-numpy python-setuptools python-pip

编译

首先，下载源代码:

git clone https://github.com/alibaba/graph-learn.git
cd graph-learn
git submodule update --init

接着，可以使用如下两种方式编译整个项目及测试用例：

  1. 使用Makefile:
make test
  1. 使用CMakeLists.txt:
mkdir cmake-build && cd cmake-build
cmake -DTESTING=ON .. && make

最后，编译python包，同时支持python2，python3:

make python

如需要执行特定的python bin，如指定用python3.7编译，则执行：

make python PYTHON=python3.7

安装

sudo pip install dist/your_wheel_name.whl

(Optional) 安装TensorFlow

GL提供的Tensorflow模型示例基于TensorFlow 1.13开发，需要安装对应版本的库。

sudo pip install tensorflow==1.13.0

(Optional) 安装PyTorch，PyG

GL提供的PyTorch模型示例基于PyG开发，需要安装对应的库。

sudo pip install pytorch
# Install PyG follow the doc: https://pytorch-geometric.readthedocs.io/en/latest/notes/installation.html

运行单元测试

source env.sh
./test_cpp_ut.sh
./test_python_ut.sh

Docker镜像

Graphlearn Docker hub

我们提供了graphlearn的镜像，预装了对应版本的graphlearn。
根据算法开发的需求，分别提供预装Tensorflow1.13.0rc1和Pytorch1.8.1+PyG的镜像。
您可以在Docker镜像中快速开始GraphLearn的运行。

  1. Tensorflow1.13.0rc1, CPU
docker pull graphlearn/graphlearn:1.0.0-tensorflow1.13.0rc1-cpu

# or, pull the latest graphlearn with 1.0.0-tensorflow1.13.0rc1-cpu
docker pull graphlearn/graphlearn:latest

# or, pull the given version graphlearn with 1.0.0-tensorflow1.13.0rc1-cpu
docker pull graphlearn/graphlearn:1.0.0
  1. PyTorch1.8.1, Cuda10.2, cdnn7, with PyG
docker pull graphlearn/graphlearn:1.0.0-torch1.8.1-cuda10.2-cudnn7