Cora数据集的导入

我使用的是PyG库,如果我们按照以下代码导入Cora数据集时往往会出现无法连接到下载地址处

from torch_geometric.datasets import Planetoid
dataset = Planetoid(root='./temp/Cora', name='Cora')

我们应该从Github上先下载好数据集,数据集地址:https://github.com/kimiyoung/planetoid

这里先放到一个文件中
在这里插入图片描述
将这里属于Cora的数据复制到你运行代码的那个文件夹中(我这里在Jupyter中运行,以其为例)
当我们运行

dataset = Planetoid(root='./temp/Cora', name='Cora')

时,我们的运行文件夹中就会出现这个路径
在这里插入图片描述
然后将刚才复制的文件放到里面的raw文件夹里
在这里插入图片描述
最后,我们再运行刚才的代码,数据集就加载好了。
其实,每当我们调用Planetoid这个类时,我们指定了一个路径,如果这个路径里面有下载好的数据集,那么函数会自动调用这个数据集里面的东西作为数据,否则就会下载数据到指定路径下,所以,我们可以把这个路径更改成我们喜欢的任意一个。

**

注意raw这个文件夹在路径中不需要指明,在函数调用数据时自动会从raw中寻找,所以如果路径里没有raw,执行语句时它也会创建一个raw文件夹

**

  • 1
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
PyTorch实现GCN的步骤如下: 1. 导入相关库:首先需要导入PyTorch及其相关的库,如torch、torch.nn.functional、torch.nn和torch_geometric.nn等。\[1\] 2. 构建GCN图学习架构:可以使用自己实现的GCN模型,也可以使用PyG库中的GCNConv图层。如果选择自己实现GCN模型,需要导入numpy、torch和torch.nn等库,并根据GCN的原理进行实现。如果选择使用PyG库,可以直接调用GCNConv图层。\[2\] 3. 加载数据集:可以使用PyG库中的内置数据集,如Planetoid中的Cora数据集。加载Cora数据集时,需要手动实现获取该图对应的邻接矩阵。可以使用scipy.sparse库中的coo_matrix函数将边的索引和权重转换为邻接矩阵的稀疏表示,然后将其转换为稠密矩阵。\[3\] 4. 构建度矩阵D:可以使用邻接矩阵计算度矩阵D,度矩阵是一个对角矩阵,对角线上的元素表示每个节点的度数。可以使用torch.diag函数将度矩阵的对角线设置为每个节点的度数。\[3\] 以上是PyTorch实现GCN的基本步骤,具体的实现细节可以根据需要进行调整和优化。 #### 引用[.reference_title] - *1* [[图神经网络]PyTorch简单实现一个GCN](https://blog.csdn.net/weixin_37878740/article/details/130114750)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [Pytorch实现GCN(基于PyTorch实现)](https://blog.csdn.net/m0_47256162/article/details/128739905)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值