DGL库之创建heterogeneous graph（异构图）

dgl.heterograph语法格式

dgl.heterograph(data_dict, num_nodes_dict=None, idtype=None, device=None)

其参数解释如下：

• data_dict：类型为dict，一个字典。键是边的类型（如 (‘user’, ‘follow’, ‘user’)），值是一个包含边的源节点和目标节点的元组。每个元组是 (src, dst)，其中 src 和 dst
  是包含边的起始节点和结束节点的数组或张量。
• num_nodes_dict（可选）：类型为dict 或 None。定义每种类型节点的数量。如果提供，键是节点类型（如 ‘user’），值是节点的数量。如果为 None，DGL 会根据 data_dict 自动推断节点数量。
• idtype (可选)：类型: dgl.backend.dtype。节点和边 ID 的数据类型，通常为 int32 或 int64。如果未提供，DGL 将根据数据类型自动选择。
• device (可选)：类型为str 或 torch.device。指定设备类型（如 cpu 或 cuda）。如果未提供，默认使用 CPU。

创建异构图

仅使用data_dict

import dgl
import torch as th
data_dict = {
    ('drug', 'interacts', 'drug'): (th.tensor([0, 1]), th.tensor([1, 2])),
    ('drug', 'interacts', 'gene'): (th.tensor([0, 1]), th.tensor([2, 3])),
    ('drug', 'treats', 'disease'): (th.tensor([1]), th.tensor([2]))
}

g = dgl.heterograph(data_dict)
print(f'异构图为:\n{g}')
print('----------------------------')
print(f'节点类型为:{g.ntypes}')
print('----------------------------')
print(f'边类型为:{g.etypes}')
print('----------------------------')
print(f'边类型为:{g.canonical_etypes}')

结果如下：

具体理解如下：

drug节点类型	A	B	C
drug代码节点标号	0	1	2

gene节点类型	a	b	c	d
gene代码节点标号	0	1	2	3

diease节点类型	p	m	n
diease代码节点标号	0	1	2

最终如下图所示：

使用num_nodes_dict

import dgl
import torch as th
data_dict = {
    ('drug', 'interacts', 'drug'): (th.tensor([0, 1]), th.tensor([1, 2])),
    ('drug', 'interacts', 'gene'): (th.tensor([0, 1]), th.tensor([2, 3])),
    ('drug', 'treats', 'disease'): (th.tensor([1]), th.tensor([2]))
}
num_nodes_dict = {'drug': 5, 'gene': 5, 'disease': 5}
g = dgl.heterograph(data_dict, num_nodes_dict=num_nodes_dict)

print(f'异构图为:\n{g}')
print('----------------------------')
print(f'节点类型为:{g.ntypes}')
print('----------------------------')
print(f'边类型为:{g.etypes}')
print('----------------------------')
print(f'边类型为:{g.canonical_etypes}')

结果如下：

使用idtype和device

g = dgl.heterograph(data_dict, idtype=torch.int32, device='cuda:0')