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])
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])
(备注:请移步“pytorch–初识张量与基础函数 https://blog.csdn.net/lkr_2023/article/details/123200296”)
虽然上图只有两条边,但我们需要定义四个索引元组来说明一条边的两个方向。
注 | - |
---|---|
你可以随时打印该图的属性以及形状等信息 | |
最终使用==validate()==命令来检查data最终数据对象是否满足要求: |
data.validate(raise_on_error=True)
除了持有一些节点级、边级或图级属性外,Data还提供了一些有用的实用函数,例如:
print(data.keys()) #包含的键
>>> ['x', 'edge_index']
print(data['x']) #图节点的值
>>> tensor([[-1.0],
[0.0],
[1.0]])
for key, item in data:
print(f'{key} found in data')
>>> x found in data
>>> edge_index found in data
'edge_attr' in data #不道干哈的
>>> False
data.num_nodes #判断图中的总节点数量
>>> 3
data.num_edges #判断图中的总边数量
>>> 4
data.num_node_features #判断节点特征的维度
>>> 1
data.has_isolated_nodes() #判断图中是否含有孤立节点
>>> False
data.has_self_loops() #判断图是否含有自环
>>> False
data.is_directed() #判断图是否为有向图
>>> False
# Transfer data object to GPU.用GPU不用CPU
device = torch.device('cuda')
data = data.to(device)
你可以在torch_geometric.data.Data中找到所有功能的完整列表。
<注>COO是稀疏矩阵的常用表示方法之一
2.1.2 通用标准数据集
PyG包含大量常见的基准数据集,例如,所有Planetoid数据集(Cora, Citeseer, Pubmed),所有来自http://graphkernels.cs.tu-dortmund.de的图形分类数据集及其清理版本,QM7和QM9数据集,以及一些3D网格/点云数据集,如FAUST, ModelNet10/40和ShapeNet。初始化数据集很简单。数据集的初始化将自动下载其原始文件并将其处理为前面描述的Data格式。例如,要加载酶数据集(包含6个类中的600个图),输入:
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
现在我们可以访问数据集中的所有600个图(酶的数据集):
data = dataset[0]
>>> Data(edge_index=[2, 168], x=[37, 3], y=[1])
data.is_undirected()
>>> True
我们可以看到数据集中的第一个图包含37个节点,每个节点有3个特征。有168/2= 84条无向边,图被分配到一个类中。此外,数据对象只保存一个图级目标。
我们甚至可以使用切片、长张量或bool张量来分割数据集。例如,要创建一个90/10的训练/测试分割,输入:
train_dataset = dataset[:540]
>>> ENZYMES(540)
test_dataset = dataset[540:]
>>> ENZYMES(60)
如果你不确定数据集在分割之前是否已经洗牌,你可以通过运行:
dataset = dataset.shuffle()
>>> ENZYMES(600)
打乱数据集的顺序。
也可以用下面的代码打乱顺序,效果一样的:
perm = torch.randperm(len(dataset))
dataset = dataset[perm]
>> ENZYMES(600)
让我们再试一个 ! 让我们下载Cora,半监督图节点分类的标准基准数据集:
from torch_geometric.datasets import Planetoid
dataset = Planetoid(root='/tmp/Cora', name='Cora')
>>> Cora()
len(dataset)
>>> 1
dataset.num_classes
>>> 7
dataset.num_node_features
>>> 1433
在这里,数据集只包含一个单一的无向索引图:
data = dataset[0]
>>> Data(edge_index=[2, 10556], test_mask=[2708],
train_mask=[2708], val_mask=[2708], x=[2708, 1433], y=[2708])
data.is_undirected()
>>> True
data.train_mask.sum().item()
>>> 140
data.val_mask.sum().item()
>>> 500
data.test_mask.sum().item()
>>> 1000
Data对象为每个节点保存一个标签,以及额外的节点级属性:train_mask、val_mask和test_mask代表含义分别为:
train_mask
表示要训练哪些节点(140个节点)Val_mask
表示使用哪些节点进行验证,例如,执行提前停止(500个节点)test_mask
表示要测试哪些节点(1000个节点)。
2.1.3 小批次 Mini-batches
神经网络通常以批处理的方式进行训练。PyG通过创建稀疏块对角邻接矩阵(由edge_index定义)并在节点维度上连接特征和目标矩阵来实现迷你批处理的并行化。这种组合允许在一批示例中使用不同数量的节点和边:
PyG包含自己的torch_geometry.loader.Dataloader
,它已经负责这个连接过程。让我们通过一个例子来了解它:
from torch_geometric.datasets import TUDataset
from torch_geometric.loader import DataLoader
dataset = TUDataset(root='/tmp/ENZYMES', name='ENZYMES', use_node_attr=True)
loader = DataLoader(dataset, batch_size=32, shuffle=True)
for batch in loader:
batch
>>> DataBatch(batch=[1082], edge_index=[2, 4066], x=[1082, 21], y=[32])
batch.num_graphs
>>> 32
torch_geometric.data.Batch
类继承 torch_geometry.data
。并包含额外的属性——指针数组,指定每个节点它所在的图编号:batch。
batch
是一个列向量,它将每个节点映射到批处理中各自的图:
你可以用它做一些事情,比如来平均每个图的节点维度中的节点特征:
from torch_geometric.utils import scatter
from torch_geometric.datasets import TUDataset
from torch_geometric.loader import DataLoader
dataset = TUDataset(root='/tmp/ENZYMES', name='ENZYMES', use_node_attr=True)
loader = DataLoader(dataset, batch_size=32, shuffle=True)
for data in loader:
data
>>> DataBatch(batch=[1082], edge_index=[2, 4066], x=[1082, 21], y=[32]) #每次以32次的批次处理。将图数据进行了拼接,最终32个图数据,拼接成一个拥有总1082个节点,21维度的特征,4066个边的图batch数据。
data.num_graphs
>>> 32
x = scatter(data.x, data.batch, dim=0, reduce='mean')
x.size()
>>> torch.Size([32, 21])
对于分散操作的文档,我们建议感兴趣的读者参阅torch_scatter
文档。
(更透彻的讲解请移步 by咪咕班克斯 https://blog.csdn.net/u012211422/article/details/125212863 )
2.1.4 数据转换
Transform在计算机视觉中十分常用,主要用于图片格式的转换和数据增强。PyG同样有其自己的transform操作,使用Data对象作为输入,返回一个新的Data对象。转换可以使用torch_geometric.transforms.Compose
链接在一起。在将处理过的数据集保存在磁盘上之前,组合应用(pre_transform)或在访问数据集中的图之前(transform)。
接下来举个栗子:我们对ShapeNet数据集(包含17,000个3D形状点云和16个形状类别标签)。
from torch_geometric.datasets import ShapeNet
dataset = ShapeNet(root='/tmp/ShapeNet', categories=['Airplane'])
dataset[0]
>>> Data(pos=[2518, 3], y=[2518])
我们可以用K近邻的方法通过transforms将每一个point cloud 都转换成图,这里选择最近的6个邻居。
import torch_geometric.transforms as T
from torch_geometric.datasets import ShapeNet
dataset = ShapeNet(root='/tmp/ShapeNet', categories=['Airplane'],
pre_transform=T.KNNGraph(k=6))
dataset[0]
>>> Data(edge_index=[2, 15108], pos=[2518, 3], y=[2518])
注意 | - |
---|---|
在将数据保存到磁盘之前,我们使用pre_transform转换数据(能缩短加载时间)。请注意,下次初始化数据集时,即使您没有传递任何转换,它也会包含图的边。如果pre_transform与已经处理的数据集中的pre_transform不匹配,您将得到一个警告。 |
此外还可以用transform来做一些数据增强,如给每一个点的坐标都加一个小扰动:
import torch_geometric.transforms as T
from torch_geometric.datasets import ShapeNet
dataset = ShapeNet(root='/tmp/ShapeNet', categories=['Airplane'],
pre_transform=T.KNNGraph(k=6),
transform=T.RandomJitter(0.01))
dataset[0]
>>> Data(edge_index=[2, 15108], pos=[2518, 3], y=[2518])
2.1.5 图的学习方法
在学习了PyG中的数据处理、数据集、加载器和转换之后,是时候实现我们的第一个图神经网络了 ! 我们将使用一个简单的GCN层,并在Cora数据集上复制实验。首先加载Cora数据集:
from torch_geometric.datasets import Planetoid
dataset = Planetoid(root='/tmp/Cora', name='Cora')
>>> Cora()
注意,我们不需要使用转换或数据加载器。现在让我们实现一个两层的GCN:
import torch
import torch.nn.functional as F
from torch_geometric.nn import GCNConv
class GCN(torch.nn.Module):
def __init__(self):
super().__init__()
self.conv1 = GCNConv(dataset.num_node_features, 16)
self.conv2 = GCNConv(16, dataset.num_classes)
def forward(self, data):
x, edge_index = data.x, data.edge_index
x = self.conv1(x, edge_index)
x = F.relu(x)
x = F.dropout(x, training=self.training)
x = self.conv2(x, edge_index)
return F.log_softmax(x, dim=1)
构造函数定义了两个GCNConv层,它们在网络的前向传递中被调用。请注意,非线性没有集成在conv调用中,因此需要在之后应用(这在pyg中的所有操作符中是一致的)。在这里,我们选择使用ReLU作为我们的中间非线性,并最终在类的数量上输出一个softmax分布。让我们在训练节点上训练这个模型200次:
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = GCN().to(device)
data = dataset[0].to(device)
optimizer = torch.optim.Adam(model.parameters(), lr=0.01, weight_decay=5e-4)
model.train()
for epoch in range(200):
optimizer.zero_grad() #把梯度置零,也就是把loss关于weight的导数变成0
out = model(data)
loss = F.nll_loss(out[data.train_mask], data.y[data.train_mask])
loss.backward()
optimizer.step()
<注>关于train_mask讲解请移步https://zhuanlan.zhihu.com/p/545546994
最后,我们可以在测试节点上评估我们的模型:
model.eval()
pred = model(data).argmax(dim=1)
correct = (pred[data.test_mask] == data.y[data.test_mask]).sum()
acc = int(correct) / int(data.test_mask.sum())
print(f'Accuracy: {acc:.4f}')
>>> Accuracy: 0.8150
这就是实现你的第一个图神经网络所需要的基本内容。学习更多关于图神经网络的最简单的方法是学习examples/目录中的示例,并浏览torch_geometric.nn。黑客快乐!
2.2 国外教程与笔记
官方附赠了一些教程和笔记,请大家自己打开官网上查看~~
https://pytorch-geometric.readthedocs.io/en/latest/get_started/colabs.html