PYG(Pytorch Geometric)中文说明书——第2章GET STARTED

Afresco o

已于 2023-07-24 17:08:59 修改

阅读量486

点赞数

文章标签： pytorch 人工智能 python

于 2023-07-24 16:58:42 首次发布

本文链接：https://blog.csdn.net/qq_37415491/article/details/131853614

版权

在这里插入图片描述
本文为pyg官网的中文翻译（官方原版链接 https://pytorch-geometric.readthedocs.io/en/latest/），并加入了一些其他网上大佬和自己的理解。如有翻译理解不当之处还请各位多多指出，非常感谢！
2.1举个大栗子，举很多栗子，举各种各样的栗子
pyg主要提供以下主要功能：

图的数据处理
通用基准数据集
小批量
数据转换
图的学习方法
练习

2.1.1 图的数据处理
图用于对对象(节点)之间的成对关系(边)进行建模。pyg中的单个图由torch_geometry.data.Data实例描述。Data，默认情况下包含以下属性:

data.x :表示节点特征矩阵，形状为[num_nodes(节点总数),num_node_features(节点特征)]
data.edge_index ：图用COO格式进行连接，其形状为[num_edges(总的边个数),num_edge_features(边的特征)][2,num_edges]，类别为torch.long
data.edge_attr ：边的特征矩阵，形状为[num_edges,num_edge_features]
data.y :待训练的目标可以是任意形状。节点级目标的形式为[num_nodes,* ]，图级的目标形式为[1,*]
data.pos :节点位置矩阵，形状为[num_nodes(节点总数),num_dimensions(节点维度)]

这些属性都不是必需的。此外Data对象甚至可以在增添一些属性。例如，3D图：形状为[3,num_faces]，类型为torch.long的张量。

栗子1
已知，一个无权无向图有3个节点4条边，每个节点只包含一个特征:

import torch
from torch_geometric.data import Data

edge_index = torch.tensor([[0,1,1,2],[1,0,2,1]],dtype=torch.long)

x = torch.tensor([[-1],[0],[1]],dtype=torch.float)
data = Data(x=x,edge_index=edge_index)
>>>Data(edge_index=[2,4],x=[3,1])

在这里插入图片描述
注意，edge_index，即定义所有边的源节点和目标节点的张量，并不是索引元组的列表。如果你想按照该写法写你的索引，那就应该在传递给数据构造函数之前对它进行转置和调用，举例:

import torch
from torch_geometric.data import Data

edge_index = torch.tensor([[0, 1],
                           [1, 0],
                           [1, 2],
                           [2, 1]], dtype=torch.long)
x = torch.tensor([[-1], [0], [1]], dtype=torch.float)

data = Data(x=x, edge_index=edge_index.t().contiguous())
>>> Data(edge_index=[2, 4], x=[3, 1])