图是表达能力很强的通用数据结构，可以用来刻画现实世界中的很多问题。图神经网络等基于图的学习方法在很多领域取得了非常好的效果。
Euler是大规模分布式的图学习框架，配合TensorFlow或者阿里开源的XDL等深度学习工具，它支持用户在数十亿点数百亿边的复杂异构图上进行模型训练。有关Euler系统的详细介绍请参见系统介绍。
在基础教程中，我们着重介绍如何利用Euler快速上手。进阶应用中进一步介绍了如何编写一个定制化的模型以及分布式训练的知识。
然后，我们介绍了Euler的编程接口：已有算法的高层使用接口，基于Tensorflow定义的中间层图操作算子，以及最底层的Euler C++ API(适合想适配其它深度学习框架的用户)。
在算法介绍章节，我们给出内部算法的介绍以及其它公开算法的论文链接。我们内部算法投稿结束后会给出更详细的论文文献。
- 基础教程
- 进阶应用
- 详细接口
- 算法介绍
如果有任何问题，请直接提交issues，也欢迎通过Euler开源技术支持邮件组（euler-opensource@list.alibaba-inc.com）联系我们。
Euler使用Apache-2.0许可
Euler由阿里妈妈工程平台团队与搜索广告算法团队共同探讨与开发，也获得了阿里妈妈多个团队的大力支持。同时也特别感谢蚂蚁金服的机器学习团队，项目早期的一些技术交流给予我们的帮助。