Actualité Facebook AI rend PyTorch-BigGraph open source

Pour approfondir le sujet

Cardiologs lève 15 millions de dollars dans une série A menée par Alven

Cardiologs, start-up spécialisée dans les diagnostics en cardiologie par intelligence artificielle, a annoncé un tour de table en série A de 15 millions de...

Recherche médicale : Owkin clôture sa série A avec un total de 70 millions de dollars levés

La start-up Owkin a annoncé clôturer sa série A avec un total de 70 millions de dollars levés. Cette levée de fond se conclut...

Gartner prévoit une accélération des déploiements d’intelligence artificielle dans les entreprises d’ici 2020

De plus en plus d'entreprises déploient des solutions basées sur l'intelligence artificielle. Selon le cabinet Garner, les entreprises ayant déployé des solutions d'intelligence artificielle...

Facebook AI rend PyTorch-BigGraph open source

Facebook AI vient de rendre open source PyTorch-BigGraph, un système distribué pour l’embedding (“plongement”) sur des graphs de très grande dimension.

PyTorch-BigGraph est destiné au travail sur des graphs d’interactions constitués de plusieurs milliards d’entités, trop imposants pour être stockés en mémoire. Il permet d’attribuer un score de proximité qualifiant les relations entre les différentes entités, en prenant en charge différents types de relations, chacun pouvant avoir un mode de calcul de proximité différent.

pytorch-biggraph-embedding
Illustration d’un embedding réalisé sur Freebase par l’équipe Facebook AI.

Afin de permettre la gestion de graphs de très grande dimensions, PyTorch-BigGraph prend en charge le partitionnement de graphs et réduit ainsi la quantité de mémoire nécessaire au traitement et stockage des paramètres. Il supporte également le calcul distribué sur plusieurs machines.

Il nécessite Python3.6 et PyTorch 1.0. L’outil prend en charge des données d’entrée au format CSV et permet également la génération des fichiers de résultat au format CSV.

L’outil repose sur les travaux effectués par Adam Lerer, Ledell Wu, Jiajun Shen, Timothee Lacroix, Luca Wehrstedt, Abhijit Bose, Alex Peysakhovich et présentés durant la conférence SysML.

Accéder au GitHub : https://github.com/facebookresearch/PyTorch-BigGraph

Accéder la publication: https://www.sysml.cc/doc/2019/71.pdf

Stephane Nachez

Partager l'article

Suisse : L’Université de Neuchâtel et l’Office fédéral de la statistique collaborent sur la science des données et les méthodes statistiques

La science des données et les méthodes statistiques sont au coeur de la collaboration entre l’Université de Neuchâtel (UniNE) et l’Office fédéral de la...

Des chercheurs présentent Geomic, une méthode d’apprentissage automatique basée sur la géométrie des données génomiques pour la maladie de Huntington

Maladie héréditaire et rare, la maladie de Huntington touche environ 6000 personnes en France. Elle se traduit par une dégénérescence neurologique provoquant d’importants troubles...

Un quart des entreprises déclarent adopter l’IA à grande échelle selon l’étude IA Predictions 2021 de PwC

La complexité du contexte sanitaire et économique a posé la question de l'adoption de l'intelligence artificielle. Selon une étude de PwC, les investissements en...

Appel à communications : Rencontres des Jeunes Chercheurs en Intelligence Artificielle

Du 28 juin au 2 juillet aura lieu l'édition 2021 de la Plate-Forme Intelligence Artificielle (PFIA'2021) à Bordeaux. À cette occasion seront également organisées...