GraphGallery，一个基于TensorFlow 2.x与 PyTorch 的GNN benchmark 框架

GraphGallery

【导读】图神经网络（Graph Neural Networks，GNN）是近几年兴起的新的研究热点，其借鉴了传统卷积神经网络等模型的思想，在图结构数据上定义了一种新的神经网络架构。如果作为初入该领域的科研人员，想要快速学习并验证自己的idea，需要花费一定的时间搜集数据集，定义模型的训练测试过程，寻找现有的模型进行比较测试，这无疑是繁琐且不必要的。GraphGallery 为科研人员提供了一个简单方便的框架，用于在一些常用的数据集上快速建立和测试自己的模型，并且与现有的 benchmark 模型进行比较。其支持目前主流的两大机器学习框架：TensorFlow 和 PyTorch，为科研人员提供了一些简易操作的API。

安装

• 直接从源码安装（可以体验最新版本）

git clone https://github.com/EdisonLeeeee/GraphGallery.git
cd GraphGallery
python setup.py install

• 从 Pypi 安装（可以使用稳定版本）

# -U 表示升级使用最新版本
pip install -U graphgallery

快速上手

1. Dataset

数据集包含两种，一种是领域内划分好的数据集 Planetoid，以及扩展性更强的以 npz格式存储的数据集。

数据集详细信息请见 https://github.com/EdisonLeeeee/GraphData

• Planetoid

from graphgallery.data import Planetoid
# set `verbose=False` to avoid additional outputs 
data = Planetoid('cora', verbose=False)
graph = data.graph
idx_train, idx_val, idx_test = data.split() # 使用固定的划分，即 每个类别20个结点作为训练集，剩余结点中选取500个作为验证集，1000个作为测试集
>>> graph
Graph(adj_matrix(2708, 2708), attr_matrix(2708, 2708), labels(2708,))

目前包含 3 种数据集

>>> data.supported_datasets
('citeseer', 'cora', 'pubmed')

• NPZDataset

from graphgallery.data import NPZDataset;
data = NPZDataset('cora', verbose=False)
graph = data.graph
idx_train, idx_val, idx_test = data.split(random_state=42) # 采用 10%，10%，80%的划分
>>> graph
Graph(adj_matrix(2708, 2708), attr_matrix(2708, 2708)