GNN学习笔记（一）：环境配置与PyG中图与图数据集的表示和使用

最新推荐文章于 2024-08-22 14:16:01 发布

唠叨小主

最新推荐文章于 2024-08-22 14:16:01 发布

阅读量754

点赞数 5

分类专栏： GNN 文章标签：深度学习 pytorch

本文链接：https://blog.csdn.net/LuoMin2523/article/details/117876884

版权

GNN 专栏收录该内容

9 篇文章 23 订阅

订阅专栏

一、引言

PyTorch Geometric，简称Pyg。Pyg库包含易用的小批量加载器（mini-batch loader）、多GPU支持、大量常见基准数据集和有用的变换，适用于任意图像、三维网格（3D mesh）和点云。基于PyTorch构建，用于处理不规则结构化输入数据（如图、点云、流形）。除了一般的图形数据结构和处理方法外，它还包含从关系学习到3D数据处理等领域中最新发布的多种方法。通过利用稀疏 GPU 加速、提供专用的 CUDA 内核以及为不同大小的输入样本引入高效的小批量处理，PyTorch Geometric 实现了很高的数据吞吐量。

二、环境的配置

嘚嘚嘚，唠叨小主策马扬鞭，即将为你讲解的就是今天的任务——在苹果电脑macOS的系统下安装pytorch。安装步骤如下：

1.安装包管理工具anaconda或pip，任选其一就可以。

2.安装pytorch。如果使用anaconda进行安装，则安装命令为：

conda install pytorch torchvision-c pytorch -y

问题一：我选择使用anaconda进行安装，所以在终端输入：

conda install pytorch torchvision -c pytorch -y

终端显示：command not found: conda，解决办法是：没找到解决办法！！！找了很久，试了很多，没用！！why？？基于此，我决定删了，重新下载重新安装，安装成功后，在终端输入：

conda --version

终端输出conda的版本：

这意味着conda可以用了！！接着在终端输入以下代码：

conda install pytorch torchvision -c pytorch -y

成功安装！接着在终端输入代码验证是否安装成功：

python -c "import torch; print(torch.__version__)"

安装成功！！

3.安装相对应的cudatoolkit

问题二：问题又出现了！“macOS Catalina(10.15.1)无法安装使用CUDA了”！！！what？！

解决办法：此路不通，换条路就好了，所以唠叨小主，掉头前往阿里云天池DSW，附上链接https://blog.csdn.net/update7/article/details/107734564

4.安装正确版本的PyG

因为唠叨小主的电脑是macOS系统，所以直接安装cpu版本，如下：

pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-1.8.0+cpu.html
pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-1.8.0+cpu.html
pip install torch-cluster -f https://pytorch-geometric.com/whl/torch-1.8.0+cpu.html
pip install torch-spline-conv -f hhttps://pytorch-geometric.com/whl/torch-1.8.0+cpu.html
pip install torch-geometric

安装成功！！

三、学习笔记

简单的图论知识，可自行学习，此部分比较简单，唠叨小主就不为你介绍啦，网上资料众多。

四、作业及答案

请通过继承Data类实现一个类，专门用于表示“机构-作者-论文”的网络。该网络包含“机构“、”作者“和”论文”三类节点，以及“作者-机构“和“作者-论文“两类边。对要实现的类的要求：

用不同的属性存储不同节点的属性；
用不同的属性存储不同的边（边没有属性）；
逐一实现获取不同节点数量的方法。

import networkx as nx
from torch_geometric.data import Data


G = nx.Graph()
# 添加节点
G.add_node(1,a='organization') 
G.add_node(2,a='author') 
G.add_node(3,a='thesis') 
# # 添加连线
#G.add_edges_from([('author','thesis'),('author','organization')])
G.add_edge(1, 2)
G.add_edge(2, 3)
# 图的节点结构

# from Graph import Graph
# from Node import Node
# from Edge import Edge


class relation(Data):

    def __init__(self, organization,author,thesis):
        #继承父类的构造方法
        Data.__init__()
        #然后定义类本身的属性
        #用不同的属性存储不同节点的属性
        self.node1 = organization
        self.node2 = author
        self.node3 = thesis
        #用不同的属性存储不同的边
        self.edge1_index = edge1_index #边1 索引
        self.edge1_attr = edge1_attr #边1 属性
        self.edge2_index = edge2_index #边2 索引
        self.edge2_attr = edge2_attr #边2 属性
        self.y=y
    def Node():
        self.value = value      # 节点值
        self.come = 0           # 节点入度
        self.out = 0            # 节点出度
        self.nexts = []         # 节点的邻居节点
        self.edges = []         # 在节点为from的情况下，边的集合
    def Edge():
        self.weight = weight        # 边的权重
        self.fro = fro              # 边的from节点
        self.to = to                # 边的to节点 

#逐一实现获取不同节点数量的方法
print('degree of node 1: ', G.degree(1))
print('degree of node 2: ', G.degree(2))
print('degree of node 3: ', G.degree(3))

此为唠叨小主的学习笔记，若有不足之处，望各位大侠不吝赐教，小生定当不胜感激。

参考网址：

https://www.cnblogs.com/yingqml/p/7776975.html

https://zhuanlan.zhihu.com/p/61717000

https://www.mobibrw.com/2019/21721

https://blog.csdn.net/qq_28168421/article/details/88609365