刘孟、罗友志、王丽梅、谢耀晨、郝媛、桂树瑞、余海阳、赵旭、张京屯、刘毅、闫克强、刘浩然、丛福、波拉·莫泽金、张宣、水王记。
年份：2021年，数量：22，版本：240，页码：1-9
摘要
虽然有几个用于图的深度学习的库，但它们的目标是实现图深度学习的基本操作。在研究界，使用现有的图书馆来实施和基准化各种高级任务仍然是痛苦和耗时的。为了促进图形深度学习研究，我们引入了DIG:Dive into Graphs，这是一个交钥匙库，为更高级别、面向研究的图形深度学习任务提供了一个统一的测试平台。目前，我们考虑图形生成、图形的自监督学习、图形神经网络的可解释性以及三维图形的深度学习。对于每个方向，我们都提供数据接口、通用算法和评估指标的统一实现。总之，DIG是一个可扩展的、开源的、交钥匙的库，供研究人员开发新方法，并使用广泛使用的数据集和评估指标轻松与通用基线进行比较。源代码位于https://github.com/divelab/DIG。
PDF格式
BibTeX公司
代码