GCN_安装torch-geometric库

已于 2024-01-03 14:16:34 修改
阅读量477 收藏 12
点赞数 9
文章标签： 深度学习 python pytorch
于 2024-01-03 14:12:11 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_52399880/article/details/135362378
版权
本文记录了作者在安装GCN相关包时遇到的问题，包括torch_geometric版本过高导致的AttributeError，以及解决方法——降低torch_geometric到2.1.0。还列出了主要使用的Python包及其版本。
摘要由CSDN通过智能技术生成

Motivation

由于本人在安装GCN相关包的过程中，遇到了很多坑，特此记录如下。在装GCN相关包之前，最好新建一个conda环境。

1. 安装全过程 (Linux)

参考链接：简单粗暴2-安装torch_geometric库-Linux-全过程-2021.11.26最新2.0.2版本 - 知乎

2. AttributeError: module 'torch' has no attribute "'sparse_csr'"

原因是torchgeometric的版本过高（2.3.1），解决方案为降低torchgeometric版本。

pip install torch-geometric==2.1.0

3. 主要的package及对应版本

python                        3.8.13
torch                          1.8.0+cu101
torch-cluster              1.5.9
torch-geometric         2.1.0
torch-scatter              2.0.8
torch-sparse              0.6.12
torch-spline-conv      1.2.1

深巷孤梦Agoni
关注
  • 9
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
GCN-图卷积神经网络算法简单实现（含python代码）
weixin_50706330的博客
10-29 4万+
GCN-图卷积神经网络算法简单实现（含python代码）
GCN学习：Pytorch-Geometric教程（一）
StarfishCu的博客
09-28 5327
基本图变量 PyG中的基本图变量为torch_geometric.data.Data,具有以下参数： data.x: Node feature matrix with shape [num_nodes, num_node_features] data.edge_index: Graph connectivity in COO format with shape [2, num_edges] and type torch.long data.edge_attr: Edge feature matrix w
GCN的使用和包的安装（超详细）
m0_54634272的博客
01-09 794
比如，lib包，我的机器是python 3.7 linux_x86_64 ，则下载对应的最高版本的包
使用 torch_geometric 报错
G果的博客
10-23 1254
【代码】使用 torch_geometric 报错。
解决调用torch_geometric报错No module named ‘torch_sparse‘等问题，以及torch_sparse torch_scatter等的安装问题
热门推荐
随缘写东西，随缘分享
01-25 1万+
出现的问题：torch_geometric报错 会出现为torch_sparse torch_scatter等的问题 最近又开始搞图神经网络方面的东西，要用到torch_geometric。但是写好代码后发现会出现报错： Traceback (most recent call last): File "d:/env/CProjects/GCN/GAT.py", line 10, in <module> File "D:\anaconda3\lib\site-packages\torch
支持异构图、集成GraphGym，超好用的图神经网络库PyG更新2.0版本
Paper weekly
09-18 682
©作者|陈萍、杜伟来源|机器之心当前最流行和广泛使用的 GNN 库 PyG（PyTorch Geometric）现在出 2.0 版本了，新版本提供了全面的异构图支持、GraphGa...
torch_geometric 介绍
qq_40671063的博客
07-25 7248
torch_geometric 介绍
GCN学习：Pytorch-Geometric教程（二）
StarfishCu的博客
09-29 3420
PyG教程二数据转换图上的学习方法 数据转换 PyTorch Geometric带有自己的变换，该变换期望将Data对象作为输入并返回一个新的变换后的Data对象。 可以使用torch_geometric.transforms.Compose将变换链接在一起，并在将处理后的数据集保存到磁盘之前（pre_transform）或访问数据集中的图形之前（transform）应用变换。 让我们看一个示例，其中我们对ShapeNet数据集（包含17,000个3D形状点clouds和来自16个形状类别的每个点标签）应用
torch_scatter-2.0.9-cp310-cp310-win_amd64.whl.zip
12-22
在实际应用中，torch_scatter库可以与其他PyTorch库如torch_geometric一起使用，实现各种复杂的图神经网络模型。例如，在图卷积网络（GCN）中，torch_scatter的scatter_add函数用于将节点邻居的信息聚合到每个节点上...
torch_geometric
mfccc的博客
06-16 2274
https://pytorch-geometric.readthedocs.io/en/latest/modules/nn.html#torch_geometric.nn.conv.SAGEConv torch_geometric.utils 1.1 1.2 to_dense_batch 这里的to_dense_batch 不是把X变得更稀疏了吗？ X∈RB×Nmax⁡×F\mathbf{X} \in \mathbb{R}^{B \times N_{\max} \times F}X∈RB×Nmax​×F
conv3d源码 pytorch_PyTorch Geometric(PyG) torch_geometric.nn.conv.gcn_conv源码详解
weixin_29213827的博客
01-17 513
import torchfrom torch.nn import Parameterfrom torch_scatter import scatter_addfrom torch_geometric.nn.conv import MessagePassingfrom torch_geometric.utils import add_remaining_self_loopsfrom ..inits ...
torch_geometric调用报错：[WinError 126] 找不到指定的模块
最新发布
weixin_59831127的博客
01-25 553
3. 先分别安装刚刚下载的四个包，安装格式为：pip install 文件所在地址（如：D:\ProgramData\Anaconda3\Lib\site-packages\torch_cluster-1.5.9-cp36-cp36m-win_amd64.whl)1.卸载torch-geometric及其他依赖包 ，如果不能一次卸载成功就每个包单独卸载。（明天组会，安这个包浪费的时间太多了，啊啊啊！在网上找了很多教程，问了GPT也没解决，最后在这篇文章中找到了解决方法。第一句就报错了，报错内容为。
第十九课.Pytorch-geometric扩展
白景屹的博客
09-16 2609
目录用GraphGym管理实验 用GraphGym管理实验
使用 PyTorch Geometric 在 Cora 数据集上训练图卷积网络GCN
deephub
12-23 4184
图结构在现实世界中随处可见。道路、社交网络、分子结构都可以使用图来表示。图是我们拥有的最重要的数据结构之一。 今天有很多的资源可以教我们将机器学习应用于此类数据所需的一切知识。本文将告诉你如何将斯坦福大学（CS224W: Machine Learning with Graphs）应用到实际当中并复现一篇论文的结果。已经有很多学习有关图机器学习的相关理论和材料，特别是图神经网络，所以本文将避免在这里解释这些内容。如果你对该方面不太熟悉，推荐先看下CS224W，这会对你的入门有很大的帮助。 本篇文章使用PyTo
【torch_geometric】图介绍及GCN基本用法（上）
qq_41693168的博客
12-19 2215
图由顶点（Vertex）以及连接顶点的边（Edge）构成。顶点表示研究的对象，边表示两个对象之间特定的关系。图可以表示为顶点和边的集合，记为G=(V, E)，其中V是顶点集合，E是边集合。图又分为有向图和无向图；非加权图和加权图；连通图和非连通图（看是否有孤立的点）等。可以自行看官方文档from torch.nn import Linear #线性层from torch_geometric.nn import GCNConv #卷积层这个过程非常简单，和之前定义MLP网络很像。
利用torch_geometric运行gcn
大鱼的博客
01-28 3213
pytorch出了图计算的工具torch_geometric后，gcn的实现就简单了，直接封装好了 首先需要安装torch_geometric $ pip install --no-index torch-scatter -f https://pytorch-geometric.com/whl/torch-1.7.0+${CUDA}.html $ pip install --no-index torch-sparse -f https://pytorch-geometric.com/whl/torch
【PyG】文档总结以及项目经验（持续更新
weixin_45928096的博客
06-28 1987
PyG(PyTorch Geometric)是一个基于PyTorch的图神经网络框架，包含图神经网络训练中的**数据集处理、多GPU训练、多个经典的图神经网络模型、多个常用的图神经网络训练数据集而且支持自建数据集**，主要包含以下几个模块 - torch_geometric：主模块 - torch_geometric.nn：搭建图神经网络层 - torch_geometric.data：图结构数据的表示 - torch_geometric.loader：加载数据集 - torch_geometr
GCN实战深入浅出图神经网络第五章：基于Cora数据集的GCN节点分类 代码分析
集电极
11-12 8821
GCN实战深入浅出图神经网络第五章：基于Cora数据集的GCN节点分类 代码分析 文章目录GCN实战深入浅出图神经网络第五章：基于Cora数据集的GCN节点分类 代码分析SetUp,库声明数据准备图卷积层定义模型定义模型训练 SetUp,库声明 In [2]: import itertools import os import os.path as osp import pickle import urllib from collections import namedtuple import numpy
GCN（一）数据集介绍
vincent_duan的专栏
08-31 2317
1.数据集介绍 1.1 数据集概述 Cora数据集由机器学习论文组成，是近年来图深度学习很喜欢使用的数据集。在数据集中，论文分为以下七类之一: 基于案例 遗传算法 神经网络 概率方法 强化学习 规则学习 理论 论文的选择方式是，在最终语料库中，每篇论文引用或被至少一篇其他论文引用。整个语料库中有2708篇论文。 在词干堵塞和去除词尾后，只剩下1433个独特的单词。文档频率小于10的所有单词都被删除。 1.2 数据集组成 content文件： content文件包含以下格式的论文描述:<paper_
torch_geometric GCN
07-29
GCN (Graph Convolutional Networks) 是一种用于图数据的深度学习模型，而 torch_geometric 是一个基于 PyTorch 的图神经网络库，提供了实现 GCN 的工具和函数。 要使用 torch_geometric 实现 GCN，首先需要安装 torch_geometric 库。可以通过以下命令使用 pip 进行安装： ``` pip install torch_geometric ``` 安装完成后，可以按照以下步骤实现 GCN： 1. 导入所需的库和模块： ```python import torch import torch.nn.functional as F from torch_geometric.nn import GCNConv ``` 2. 创建 GCN 模型类： ```python class GCN(torch.nn.Module): def __init__(self, num_features, num_classes): super(GCN, self).__init__() self.conv1 = GCNConv(num_features, 16) # 输入特征数为 num_features，输出特征数为 16 self.conv2 = GCNConv(16, num_classes) # 输入特征数为 16，输出特征数为 num_classes def forward(self, x, 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) ``` 3. 创建数据集和加载数据： ```python from torch_geometric.datasets import Planetoid dataset = Planetoid(root='/tmp/Cora', name='Cora') data = dataset[0] ``` 4. 创建模型实例和优化器： ```python model = GCN(dataset.num_features, dataset.num_classes) optimizer = torch.optim.Adam(model.parameters(), lr=0.01, weight_decay=5e-4) ``` 5. 训练模型： ```python def train(): model.train() optimizer.zero_grad() output = model(data.x, data.edge_index) loss = F.nll_loss(output[data.train_mask], data.y[data.train_mask]) loss.backward() optimizer.step() for epoch in range(200): train() ``` 这是一个简单的 GCN 实现示例，可以根据具体需求进行修改和扩展。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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