Snap-Stanford OGB 开源项目教程

秋阔奎Evelyn

于 2024-08-21 09:44:24 发布

阅读量392

点赞数 5

本文链接：https://blog.csdn.net/gitblog_00275/article/details/141383147

版权

Snap-Stanford OGB 开源项目教程

ogbBenchmark datasets, data loaders, and evaluators for graph machine learning项目地址:https://gitcode.com/gh_mirrors/og/ogb

项目介绍

Snap-Stanford 的 Open Graph Benchmark (OGB) 是一个用于图机器学习研究的高质量数据集集合。它旨在促进图神经网络（GNN）及其在各种真实世界图数据上的应用评估。OGB 提供了多个领域的大规模图数据，包括化学、社交网络以及计算机科学等，同时也提供了详细的元数据和标准化的评估协议。

项目快速启动

要快速启动并运行OGB，首先你需要安装必要的依赖项，然后下载数据集并执行基本的图任务示例。下面是使用Python进行快速启动的步骤：

环境准备

确保你的环境已经配备了Python 3.6+。接着，通过pip安装OGB库:

pip install ogb

下载数据集示例

以分子性质预测数据集为例 (ogbg-molhiv)，你可以这样下载和加载数据：

import torch
from ogb.graphproppred import PygGraphPropPredDataset, Evaluator

dataset = PygGraphPropPredDataset(name='ogbg-molhiv')
split_idx = dataset.get_idx_split()
train_data, valid_data, test_data = dataset[split_idx['train']], dataset[split_idx['valid']], dataset[split_idx['test']]

模型训练示例

这里简要展示如何训练一个基本的GCN模型：

from torch_geometric.nn import GCNConv
from torch_geometric.data import DataLoader

class Net(torch.nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = GCNConv(dataset.num_features, 32)
        self.conv2 = GCNConv(32, 64)
        self.lin = torch.nn.Linear(64, dataset.num_classes)

    def forward(self, data):
        x, edge_index = data.x, data.edge_index

        x = self.conv1(x, edge_index).relu()
        x = self.conv2(x, edge_index).relu()
        x = global_mean_pool(x, data.batch)
        x = F.dropout(x, training=self.training)
        x = self.lin(x)

        return F.log_softmax(x, dim=-1)

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = Net().to(device)
data = train_data.to(device)
optimizer = torch.optim.Adam(model.parameters(), lr=0.01, weight_decay=5e-4)

def train():
    model.train()
    optimizer.zero_grad()
    out = model(data)
    loss = F.nll_loss(out[data.train_mask], data.y[data.train_mask])
    loss.backward()
    optimizer.step()
    return loss.item()

# 训练循环示例...