【PyG】简介 - 图神经网络

最新推荐文章于 2024-08-22 14:16:01 发布

c橘子

最新推荐文章于 2024-08-22 14:16:01 发布

阅读量7.2k

点赞数 3

分类专栏：图神经网络文章标签：神经网络机器学习 python pytorch 深度学习

本文链接：https://blog.csdn.net/qq_40344307/article/details/122160733

版权

本文介绍了PyG库在图神经网络中的应用，包括图数据处理、常用基准数据集、Mini-Batches和Data Transforms。通过实例展示了如何使用PyG处理数据，构建并训练GCN模型。PyG提供了方便的工具，如DataLoader，使得图学习方法的实现更加便捷。

摘要由CSDN通过智能技术生成

最近在学习图神经网络相关的知识，发现主要使用的库有两个：dgl和pyg，但是pyg的资料是英文的，而且网上资料也比较少，就翻译一下分享。

图数据处理

单张图被PyG表示为torch_geometric.data.Data类型，有如下属性：

data.x: 节点的特征矩阵，形状为 [num_nodes, num_node_features]
data.edge_index: COO格式的图的边 shape [2, num_edges] and type torch.long
data.edge_attr:边的特征矩阵 shape [num_edges, num_edge_features]

data.y: 训练数据的标签，节点级的目标 shape [num_nodes, *] or 图级的目标 shape [1, *]

data.pos: 节点的位置矩阵 shape [num_nodes, num_dimensions]

import torch
from torch_geometric.data import Data

# 一个无权无向图的例子
# 边的索引 COO格式 就是说第一行代表行索引 第二行代表列索引
# 节点0 1之间有一条边 12之间有一条边 
edge_index = torch.tensor([[0, 1, 1, 2], 
                           [1, 0, 2, 1]], dtype=torch.long)
# 节点0 1 2的特征分别是
x = torch.tensor([[-1], [0], [1]], dtype=torch.float)

data = Data(x=x, edge_index=edge_index)

# 不是COO格式的边 是使用边的两个节点的元组形式
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())

对于data提供了如下方法进行访问：

#  可以使用类似字典的方式
print(data.keys) 
>>> ['x', 'edge_index'] # 前面带箭头的表示输出

print(data['x'])
>>> 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
>>> False