عن المشروع

AetherGraph هي مكتبة عالية الأداء لتوليد العينات وخدمة الميزات مصممة لتدريب الشبكات العصبية الرسومية على الرسوم البيانية الضخمة المتطورة. تجمع بين نواة Rust وربطات Python، مما يتيح معالجة فعالة للرسوم البيانية الضخمة التي تتجاوز حدود ذاكرة GPU. **الميزات الرئيسية:** - **ثلاثة أوضاع للرسوم البيانية:** رسوم CSR ثابتة (معينة من NVMe)، رسوم ديناميكية C-tree (إدخال أحادي الكاتب، قراء بدون أقفال)، ورسوم غير متجانسة (متعددة العلاقات مع توليد عينات مصنف) - **أداء عالي:** قراءات io_uring غير متزامنة من NVMe، تمرير NVMe، ملفات رسوم مضغوطة (Elias-Fano + StreamVByte)، ميزات نصف الدقة (f16/bf16)، وإعادة ترتيب القمم Rabbit Order لتحسين محلية الذاكرة - **ميزات في الوقت الحقيقي:** خدمة GPUDirect RDMA (<5 ميكروثانية) لتحديثات الميزات الحية، متجاوزة وحدة المعالجة المركزية - **تكامل PyTorch Geometric:** بديل مباشر لـ NeighborLoader مع مخرجات Data/HeteroData القياسية - **تدريب موزع:** تكامل Ray Data مع طوبولوجيا مكررة (الرسم البياني محلي لكل عامل) - **مرونة التخزين:** ترحيل خارج الذاكرة، ذاكرة ميزات مشتركة عبر العمليات، صيغ مضغوطة، وتخزين مؤقت متدرج - **دعم CPython خالي من الأقفال:** بناءات بدون GIL مع أقفال Rust **معايير الأداء:** توليد عينات أسرع 1.2-1.5 مرة من نواة C++ في PyG، مع عمليات رسوم ديناميكية تصل إلى 9 ملايين إدراج/ثانية و38 مليون قراءة/ثانية. **التثبيت:** `pip install aethergraph` مع تكامل PyG اختياري. الميزات الخاصة بالمنصة (io_uring، RDMA، GPUDirect، إلخ) تتدهور بأمان في وقت التشغيل. **الترخيص:** MIT أو Apache-2.0