使用 Transformers 进行图分类

Hugging Face

于 2023-04-18 18:00:17 发布

阅读量529

点赞数

文章标签：分类机器学习人工智能 python 深度学习

本文链接：https://blog.csdn.net/HuggingFace/article/details/130234757

版权

本文介绍了如何利用Transformers库中的Graphormer模型进行图分类任务，包括数据预处理、模型加载和训练过程。示例中使用了OGB的ogbg-molhiv数据集，并展示了如何从HuggingFaceHub加载和处理图数据。训练过程使用了TrainerAPI，文章鼓励读者分享自己的模型和数据集到社区。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在之前的博文中，我们探讨了图机器学习的一些理论知识。这一篇我们将探索如何使用 Transformers 库进行图分类。(你也可以从此处下载演示 notebook，跟着一起做！)

您可以通过点击阅读原文查看文段中提到的链接。

目前，Transformers 中唯一可用的图 transformer 模型是微软的 Graphormer，因此本文的例子将会基于该模型。我们期待看到大家会使用并集成哪些其他模型进 🤗。

软件

要学习本教程，需要安装 datasets 和 transformers (版本号 >= 4.27.2)，你可以使用 pip install -U datasets transformers 来安装。

数据

你可以使用自己的图数据集，也可以使用 Hub 上已有的数据集。本文我们主要使用已有的数据集，你也可以随时添加你的数据集到 Hugging Face！

数据加载

从 Hub 加载图数据集非常简单。这里，我们加载 OGB 库中的 ogbg-mohiv 数据集 (该数据集是斯坦福开放图基准 (Open Graph Benchmark，OGB) 的一部分):

from datasets import load_dataset

# There is only one split on the hub
dataset = load_dataset("OGB/ogbg-molhiv")

dataset = dataset.shuffle(seed=0)

这个数据集含三个拆分，train 、validation 和 test，所有这些拆分每一行都表示一个图，每个图包含 5 个数据列 (edge_index、edge_attr、y、num_nodes、node_feat)，你可以通过执行 print(dataset) 来查看。

如果你还安装了其他图处理库，你还可以用这些库把图可视化出来，并进一步检查数据集。例如，使用 PyGeometric 和 matplotlib:

import networkx as nx
import matplotli

最低0.47元/天解锁文章