动手学PyG(二)PyG中包含的常用Benchmark数据集

已于 2022-01-18 19:38:31 修改
阅读量1.1k 收藏
点赞数 1
分类专栏： 动手学PyG 文章标签： pytorch 深度学习 python
于 2022-01-18 16:14:45 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ln_guangchen/article/details/122561692
版权
本文介绍了PyG库中包含的多种常用图数据集，如Planetoid系列和图分类数据集，并以ENZYMES数据集为例，详细说明了如何下载和访问数据，以及如何利用列表切片进行数据划分。同时提到了Cora数据集在无监督节点分类任务中的应用及其特殊属性。
摘要由CSDN通过智能技术生成

PyG中常用的Benchmark数据集


本文主要参考了 PyG英文文档

PyG中包含了大量常用的benchmark数据集，如所有Planetoid数据集(Cora, Citeseer, Pubmed)。来自http://graphkernels.cs.tu-dortmund.de/的所有图分类数据集，和其简洁版，QM7和QM9数据集等等。

数据集的下载和使用非常简单，下面以ENZYMES数据集(包含600个图，分为6类)为例做介绍。

from torch_geometric.datasets import TUDataset

dataset = TUDataset(root='/tmp/ENZYMES', name='ENZYMES')
>>> ENZYMES(600)

len(dataset)
>>> 600

dataset.num_classes
>>> 6

dataset.num_node_features
>>> 3
<
最低0.47元/天 解锁文章
光H尘
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【图神经网络】Pytorch图神经网络库——PyG在线代码笔记和视频教程
小哲的博客
12-25 1038
这里准备了一份colab笔记本列表，它实际上介绍了图神经网络与PyG的世界
GNN-第三方库：PyG（Pytorch Geometric）【基于Pytorch构建的库，可以帮助用户快速构建和训练自己的图神经网络模型】【DeepWalk、LINE、GCN、GAT等】
u013250861的博客
07-22 1077
其主要分为四大模块Models、Opeartors、Storage和Engine。PyGGithubPyG官方文档PyG教程(1)初识PytorchGeometrictorch_geometric安装笔记https。
Benchmark Datasets.rar
06-16
benchmark数据集主要有（全部为.mat格式可以直接使用，label已处理好）：jaffe50_uni,YaleData,ORLData,feret_data,UmistData,AR_ImData,XM2VTS50,MSRA50,MSRA25,Coil20Data,Coil100Data,USPSdata,MnistData，Mpeg7_uni，caltech101，PalmData25，poseData_32，australian，chess_uni，cleve_uni，balance_uni，breast_uni，heart_uni，diabetes，glass_uni，pima_uni。等一共约100份数据集（不一一罗列了!）
GCN的Benchmark数据集溯源
w55100的博客
10-29 2046
前言 最经典的GCN做了四个数据集的实验，后续工作基本会在这4个数据集上也做一次。 但是由于年代久远，和一些历史问题， 后来者想做对比实验难免遇到一些“从哪里获取"与"是这个东西吗”之类的困惑。 本文记录一些现在还能找到的基本事实供后续入坑的初学者参考。 主要厘清几个数据集的存在形式与变迁。 4个基本数据集 Cora, Citeseer, Pubmed, Nell。 格式介绍CSDN上已经有一篇很好的文章了《GCN使用的数据集Cora、Citeseer、Pubmed、Tox21格式》。 我们按时间关系捋一下
Python使用pytest-benchmark做基准测试
最新发布
Humbunklung的专栏
07-30 340
我们以“在120以内的正整数中找出和120互质的正整数，并统计个数和求和”为例，比较穷举和使用数学技巧完成该任务的性能。可见，数学在程序开发中起到很大的作用。命令，可以运行基准测试。结果返回(32, 1920)。
数据集（benchmark）、常用数据集的解析（cifar-10、）
weixin_30888413的博客
03-11 1422
What is the class of this image ? 主要是以下常见的数据集，用以衡量算法的分类准确率： mnist、cifar-10、cifar-100stl-10 svhn、ILSVRC2012 task 1 1. cifar-10 CIFAR-10 and CIFAR-100 datasets cifar-10-batches-...
Benchmark
Cenfalan的博客
03-02 1546
有很多认为响应时间应该看平均时间，如果写要求比较低的系统的确是可以看平均时间，这样就会导致很多用户响应的速度很慢，但是我们在监控指标上体现不出来，所以就有了百分位指标这样的概念，TP99的意思就是，取排名排到第99百分位的响应时间，即排除了一些异常的情况（剩余的那1%），又保证了大多数用户的响应时间。上面的方法都不能用来做全链路压测，都缺少很多核心功能，比如请求录制，定时压测，实时监控，报告分析等等，这个时候我们可以直接使用阿里云的PTS进行全链路压测，或者自研一套基于自己业务系统的全链路压测系统。
benchmark人工生成网络数据集——eclipse版
03-05
benchmark人工数据集，解压后直接导入eclipse中执行即可，带UI界面。
OGB数据集《Open Graph Benchmark: Datasets for Machine Learning on Graphs》
智慧的旋风的博客
02-11 5024
OGB数据集 之前一直在几个玩具数据集上跑模型，发现了很多问题。看了OGB论文里的一些描述，我也深有体会，感觉很多东西都说到我心里去了。预计再发展几年吧，OGB也能像ImageNet那样，成为图表示学习领域中的一个统一的标准。 Hu W, Fey M, Zitnik M, et al. Open graph benchmark: Datasets for machine learning on graphs[J]. arXiv preprint arXiv:2005.00687, 2020. 数据集是模
PyG-基于pyg内置函数Conv实现对cora数据的分类
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
02-02 701
目录 基础 参考 GCN公式 矩阵基础 矩阵形式 单个节点 代码 结果 基础 参考 参考本人写的另一篇博客pyg框架初认识 pyg手册参考 pyg自带基准数据集 pyg快速入门论文 入门学习参考 GCN理解https://zhuanlan.zhihu.com/p/89503068 pyg入门实战1https://zhuanlan.zhihu.com/p/91229616 pyg-cora数据集理解https://zhuanlan.zhihu.com/p/78...
数据挖掘benchmark
02-19
Recommendation algorithms with maximum prediction quality Scenario Recommendation engines (REs) are increasingly being used in e-commerce for product recommendations. Recommendation algorithms calculate and automatically recommend products on the basis of product detail views opened by visitors to web shops. This maximises the user's activity (number of views opened) and the success (sales, turnover). Developing powerful algorithms for REs is currently one of the most popular areas of research focus in data mining.
benchmark.zip
04-18
用于深度学习超分辨重建的benchmark数据集，用来测试自己的模型与其他已有的模型进行效果对比。其中包括['B100', 'Set14', 'Set5', 'Urban100']数据集
PyG中的数据集Cora等
weixin_42327834的博客
09-09 754
https://blog.csdn.net/weixin_34570232/article/details/114452066 数据集 PyTorch Geometric已经包含有很多常见的基准数据集，包括： Cora：一个根据科学论文之间相互引用关系而构建的Graph数据集合，论文分为7类：Genetic_Algorithms，Neural_Networks，Probabilistic_Methods，Reinforcement_Learning，Rule_Learning，Theory，共2708
benchmark里找自己需要的数据集
weixin_44304362的博客
06-03 1950
1.PASCAL VOC（权威鼻祖） PASCAL VOC数据集分析 PASCAL VOC是一个图像集，由Mark Everingham (University ofLeeds)、Luc van Gool (ETHZ, Zurich)等人创立，有**1.7W+**张图片，分为20类。PASCALVOC竞赛也是计算机视觉竞赛的鼻祖，从2005年到2012年一共举办了8届，包含了物体分类（Classi...
汇总大语言模型LLM的评测基准数据集（BenchMarks）
日常学习与专研的记录
06-28 2282
本文介绍大语言模型LLM的BenchMarks评测数据集，帮助评估模型能力。
4D Light Fields Benchmark数据集简介
weixin_43559672的博客
10-27 860
关注5个挑战：遮挡边界、精细结构、低纹理、平滑表面和相机噪声。 视差：大部分为-1.5 ~ 1.5 px，少部分可以达到-3 ~3 px。 分辨率：8bit 光场图像，9×9×512×512×3。对于stratified和training场景，我们进一步提供了两种分辨率（512×512px和5120×5120px）的评估遮罩和16bit真实视差图。 评价指标： Bumpiness仅关注估计的平滑度，而不评估方向错误或偏移。 Backgammon： 评估精细结构、遮挡边界和视差差异的相互作用。.它由两个
【Benchmarks&Datasets】跟踪数据集
大洲的博客
07-14 1439
跟踪数据集LaSOT(CVPR2019)GOT-10k LaSOT(CVPR2019) 在论文中指出了现有数据集的几个问题： 规模小 Small-scale 缺乏高质量的密集注释 Lack of high-quality dense annotations 它可能会给一些需要从注释中学习时态模型的跟踪器带来问题，因为这些基准测试中的时态上下文可能会由于稀疏注释而丢失，或者由于可能不可靠的注释而不...
使用指南 | IoT Benchmark 生成模拟数据集和写入
SpriCoder的博客
01-20 635
IoT Benchmark 是基于 Java 开发的时序数据库测试工具，支持 Apache IoTDB 各版本、InfluxDB 等多款数据库的测试，支持生成模拟数据集和使用真实数据集，并且完成多种配置的读写混合测试。本文主要介绍了如何使用 IoT Benchmark 生成模拟数据集和加载外部数据集。
PyG 2.0：斯坦福图学习的先进表示法
5. **丰富的数据集和预处理工具**：提供多种标准图数据集和便捷的数据加载功能。 图表示学习的应用广泛，例如社会网络分析、推荐系统、药物发现、蛋白质结构预测等。PyG 2.0的发布，为研究者和开发者提供了更强大的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值