【知识】DGL中graph默认的稀疏矩阵格式和coo格式不对的坑

转载请注明出处：小锋学长生活大爆炸[xfxuezhagn.cn]

如果本文帮助到了你，欢迎[点赞、收藏、关注]哦~

---

目录

先给结论

源码解读

代码验证

---

网上没找到相关的讨论，因此只能从源码上一步步查。

先给结论

• 对于自己使用dgl.graph接口创建的图，如果不指定格式就默认用coo，指定的话支持coo、csr、csc；
• 对于dgl的数据集，则取决于数据集的npz文件中指定的格式，或数据集自己的处理方式；

源码解读

1、先看一下是如何构建图的：

方法一：使用数据集接口

方法二：自己手动构建图

# https://docs.dgl.ai/en/0.8.x/generated/dgl.graph.html?highlight=graph#dgl.graph

# 创建一个简单的有向图，边由列表指定
g = dgl.graph(([0, 1, 2], [1, 2, 3]))  

# 用 CSR 表示法和边 ID 创建相同的图。
g = dgl.graph(('csr', ([0, 0, 0, 1, 2, 3], [1, 2, 3], [0, 1, 2])))

（剧透：实际上数据集接口内部调用的方式与dgl.graph很像）

2、先看构图函数：dgl.convert.graph

3、再看被调用的函数：dgl.utils.data.graphdata2tensors

        因此，得出结论：对于自己使用dgl.graph接口创建的图，如果不指定格式就默认用coo，指定的话支持coo、csr、csc。

4、再看一下数据集接口方式的，比如yelp：dgl.data.yelp.YelpDataset

        yelp中以读取了coo格式的npz文件：

        看一下scipy.sparse._matrix_io.load_npz为什么可以返回coo格式的矩阵。

注意，不要被这里的coo_adj名字骗了哦，哈哈，原因详见后面【代码验证】部分。

        可以发现，矩阵格式实际上是从保存的npz文件里读取的：

        我们可以看save_npz函数的写法，可以发现确实是保存的时候就需要提供的：

         回到yelp，然后使用了dgl.convert.from_scipy将矩阵转为了图g。可以看到，跟graph函数一样，内部也是调用了graphdata2tensors函数：

        我们再看reddit，他也是这样的：

        对于fraud数据集，是先从文件读取矩阵，然后转为了coo：

        因此，得出结论：对于dgl的数据集，则取决于数据集的npz文件中指定的格式，或数据集自己的处理方式；

代码验证

dgl.DGLGraph.formats — DGL 0.8.2post1 documentation

对于formats这个函数：

• 如果 formats 为 None，则返回稀疏格式的使用状态；
• 否则，可以是'coo'/'csr'/'csc'或它们的子列表，指定要使用的稀疏格式。

        自己用graph接口的方式：

import dgl

g = dgl.graph(([0, 1, 2], [1, 2, 3]))
print(g.formats())
# 输出：{'created': ['coo'], 'not created': ['csr', 'csc']}

g = dgl.graph(('csr', ([0, 0, 0, 1, 2, 3], [1, 2, 3], [0, 1, 2])))
print(g.formats())
# 输出：{'created': ['csr'], 'not created': ['coo', 'csc']}

        数据集接口的方式：

import dgl

dataset = dgl.data.YelpDataset()
g = dataset[0]
print(g.formats())
# 输出：{'created': ['csr'], 'not created': ['coo', 'csc']}

        load_npz中的matrix_format确实是稀疏矩阵格式的名称：

        但这里有个坑，通过debug可以发现，在yelp中虽然变量名叫coo_adj，但实际是csr格式的！

        再看一下Reddit，确实又是coo格式的：

import dgl

dataset = dgl.data.RedditDataset()
g = dataset[0]
print(g.formats())
# 输出：{'created': ['coo'], 'not created': ['csr', 'csc']}

        所以需要注意，并非所有数据集总是coo格式的。