脸书开源了专为超大型图设计，支持多重关系图嵌入训练的工具PyTorch-BigGraph，PyTorch-BigGraph为一分布式系统，可用于学习大型图嵌入，特别适合应对具有数十亿个节点以及数万亿个边的超大型图，而由于PyTorch-BigGraph是以开源深度学习框架PyTorch开发，因此开发者可以自行替换损失函数、模型以及其他组件。
图是表达许多数据类型的核心工具，图嵌入是非监督式学习的一种形式，但现在的图可能非常巨大，具有数十亿个节点以及数万亿个边，标准的图嵌入方法扩展性不佳，无法应用在超大型图上。脸书提到，超大嵌入图主要有两个挑战，第一个，嵌入系统必须够快，才能应用在实际研究与生产上，第二个挑战，内存的限制也是个大问题，脸书举例，嵌入二十亿个节点，每个节点有128个浮点数参数，这样便需要1 TB的容量，而这个量级超过一般商用服务器内存的容量。
而PyTorch-BigGraph能从大规模图结构的数据产生嵌入，其以边的列表形式将图数据集作为输入，每个边由来源节点、目标节点以及可选的关键类型组成，PyTorch-BigGraph会对节点以及边进行分片（Shard），以多线程进行训练，并输出成嵌入列表，这些嵌入可以当作各种任务的输入，像是大规模地进行最邻近搜索。 PyTorch-BigGrap让人工智能开发人员，不需要专用计算资源，就能进行超大型图的嵌入训练，
脸书提到，PyTorch-BigGraph经高度优化，其高度扩展的特性比起常用的嵌入式软件，速度还要快数个量级，其产生嵌入的品质在基准测试其中，与最先进的模型相当，脸书发布PyTorch-BigGraph鼓励开发人员试验更大型的数据集，以取得更好的非监督式机器学习结果。