GNN从入门到放弃

Task2：环境配置与PyG库

这一节主要学习Pytorch Geometric库，主要是里面的Data类和Dataset类。

环境配置

1. 正确安装显卡驱动
2. 安装pytorch和cudatoolkit
3. 安装PyG

pip install torch-scatter -f https://pytorch- geometric.com/whl/torch-1.8.0+cu111.html
pip install torch-sparse -f https://pytorch- geometric.com/whl/torch-1.8.0+cu111.html
pip install torch-cluster -f https://pytorch- geometric.com/whl/torch-1.8.0+cu111.html
pip install torch-spline-conv -f https://pytorch- geometric.com/whl/torch-1.8.0+cu111.html
pip install torch-geometric

Data类

Data类的构造函数：

class Data(object):
    def __init__(self, x=None, edge_index=None,
edge_attr=None, y=None, **kwargs):
	"""
	x (Tensor, optional): 节点属性矩阵，大小为`[num_nodes, num_node_features]`
	edge_index (LongTensor, optional): 边索引矩阵，大小为`[2, num_edges]`，第0行为尾节点，第1行为头节点，头指向尾 
	edge_attr (Tensor, optional): 边属性矩阵，大小为`[num_edges, num_edge_features]`
	y (Tensor, optional): 节点或图的标签，任意大小(，其实也可以是边的标签)
	"""
	self.x = x
	self.edge_index = edge_index self.edge_attr = edge_attr
	self.y = y

	for key, item in kwargs.items(): 
		if key == 'num_nodes':
			self.__num_nodes__ = item 
		else:
            self[key] = item

Dataset类

from torch_geometric.datasets import Planetoid 

dataset = Planetoid(root='/dataset/Cora', name='Cora')
# Cora()
len(dataset) #1
dataset.num_classes #7
dataset.num_node_features # 1433

分析数据集中的样本：

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
11 data.val_mask.sum().item()
# 500
data.test_mask.sum().item()
# 1000

这里有个疑问就是总共2708个节点，训练集、验证集、测试集加起来是140+500+1000=1640个节点，那其他节点是用来干什么的？

作业

请通过继承Data类实现一个类，专门用于表示“机构-作者-论文”的网络。该网络包含“机构“、”作者“和”论文”三类节点，以及“作者-机构“和“作者-论文“两类边。对要实现的类的要求：1）用不同的属性存储不同节点的属性；2）用不同的属性存储不同的边（边没有属性）；3）逐一实现获取不同节点数量的方法。

from torch_geometric.data import Data


class MyData(Data):
    def __init__(self, x=None, edge_index=None, edge_attr=None, y=None, **kwargs):
        r"""
        Args:
            x: list[x_institution,x_author,x_paper], 节点属性矩阵x_i:[num_nodes, num_node_feature]
            edge_index: list[e_ins_author, e_author_paper], 边索引矩阵e_i:[2, num_edges]
            edge_attr: list, 边属性矩阵e_i:[num_edges, num_edge_features]
            y (Tensor, optional): 节点或图的标签
        """
        super(MyData, self).__init__()
        self.institution, self.author, self.paper = x
        self.ins_author, self.author_paper = edge_index
        self.ins_author_att, self.author_paper_att = self.edge_attr
        self.y = y

        for key, item in kwargs.items():
            if key == 'num_nodes':
                self.__num_nodes__ = item
            else:
                self[key] = item

    def get_node_num(self, node_type):
        if node_type == 'institution':
            return self.get_institution_num
        elif node_type == 'author':
            return self.get_author_num
        elif node_type == 'paper':
            return self.get_paper_num
        else:
            institution = self.get_institution_num
            author = self.get_author_num
            paper = self.get_paper_num
            return institution, author, paper

    @property
    def get_institution_num(self):
        return len(self.institution)

    @property
    def get_author_num(self):
        return len(self.author)

    @property
    def get_paper_num(self):
        return len(self.paper)

写完之后，对如何把原先的数据集抽象成GNN中节点，以及节点中的关系怎么抽象成边有了理解。