学习上手PyG——PyG中transform-概览

PyG中transform-概览

在这里，我们对torch_geometric.transforms — pytorch_geometric documentation (pytorch-geometric.readthedocs.io)中的每条transform的操作进行简要的介绍，方便大家在使用的时候找到适合自身数据的变换。

• Compose: 组合多个transform，按顺序对数据进行转换。
• ToDevice: 将数据的tensor属性转换到指定的设备，可以选择转换所有属性或者只转换给定的属性。
• ToSparseTensor: 将数据的edge_index属性转换成一个（转置的）torch_sparse.SparseTensor对象，可以选择是否保留边的特征和方向。
• ToDense: 将数据的edge_index属性转换成一个（转置的）torch.Tensor对象，可以选择是否保留边的特征和方向。
• ToDenseBatch: 将数据的node和edge属性转换成一个批量的torch.Tensor对象，可以选择是否保留边的特征和方向。
• ToSparseBatch: 将数据的node和edge属性转换成一个批量的torch_sparse.SparseTensor对象，可以选择是否保留边的特征和方向。
• ToUndirected: 将数据的edge_index属性转换成一个无向的边索引，可以选择是否保留边的特征和方向。
• ToDirected: 将数据的edge_index属性转换成一个有向的边索引，可以选择是否保留边的特征和方向。
• AddSelfLoops: 在数据的edge_index属性中添加自环，可以选择是否添加边的特征和权重。
• RemoveSelfLoops: 在数据的edge_index属性中移除自环，可以选择是否移除边的特征和权重。
• AddTrainValTestMask: 在数据的node或edge属性中添加训练、验证和测试的掩码，可以选择是否按比例或者按数量进行划分。
• RandomFlip: 随机翻转数据的坐标，可以选择翻转的轴和概率。
• RandomRotate: 随机旋转数据的坐标，可以选择旋转的角度和概率。
• RandomScale: 随机缩放数据的坐标，可以选择缩放的因子和概率。
• RandomShear: 随机剪切数据的坐标，可以选择剪切的因子和概率。
• RandomTranslate: 随机平移数据的坐标，可以选择平移的距离和概率。
• NormalizeScale: 将数据的坐标归一化到[-1, 1]的范围，可以选择是否保持长宽比。
• Center: 将数据的坐标中心化到原点，可以选择是否保持长宽比。
• LinearTransformation: 将数据的坐标进行线性变换，可以选择变换的矩阵和偏移量。
• PCA: 将数据的坐标进行主成分分析，可以选择是否保持长宽比。
• KNNGraph: 根据数据的坐标生成一个k近邻图，可以选择k的值和距离的度量。
• RadiusGraph: 根据数据的坐标生成一个半径图，可以选择半径的值和距离的度量。
• Delaunay: 根据数据的坐标生成一个Delaunay三角剖分图，可以选择是否保持边的特征和方向。
• FaceToEdge: 将数据的face属性转换成一个edge_index属性，可以选择是否保持边的特征和方向。
• SamplePoints: 对数据的坐标进行点采样的操作。
• FixedPoints: 对数据的坐标进行固定数量的点采样的操作。
• RandomNodeSplitting: 对数据的节点进行随机分割的操作。
• OneHotDegree: 对数据的节点的度进行独热编码的操作。
• Constant: 对数据的节点或边添加一个常数特征的操作。
• LinearTransformation: 对数据的节点或边的特征进行线性变换的操作。
• NormalizeFeatures: 对数据的节点或边的特征进行归一化的操作。
• NormalizeScale: 对数据的节点或边的特征进行缩放的操作。
• AddPositionalEncoding: 对数据的节点或边的特征添加位置编码的操作。
• AddTemporalInformation: 对数据的节点或边的特征添加时间信息的操作。
• Degree: 对数据的节点或边的特征添加度的信息的操作。
• Cartesian: 对数据的节点或边的特征添加笛卡尔坐标的信息的操作。
• Polar: 对数据的节点或边的特征添加极坐标的信息的操作。
• Spherical: 对数据的节点或边的特征添加球坐标的信息的操作。
• TargetIndegree: 对数据的节点或边的特征添加目标节点的入度的信息的操作。
• SourceIndegree: 对数据的节点或边的特征添加源节点的入度的信息的操作。
• GDC: 对数据的节点或边的特征进行图扩散卷积的操作。
• GCNNorm: 对数据的节点或边的特征进行GCN归一化的操作。
• SGNorm: 对数据的节点或边的特征进行SG归一化的操作。
• TwoHop: 对数据的边索引添加两跳邻居的操作。
• NNGraph: 根据数据的节点或边的特征生成一个k近邻图的操作。
• PointPairFeatures: 对数据的节点或边的特征生成一个点对特征的操作。
• GenerateMeshNormals: 对数据的面生成一个法向量的操作。
• InvertFace: 对数据的面进行反转的操作。
• FaceToEdge: 对数据的面进行边索引转换的操作。
• Subgraph: 对数据进行子图抽取的操作。
• KHopSubgraph: 对数据进行k跳子图抽取的操作。
• ExtractNodeTypes: 对数据进行节点类型抽取的操作。
• ExtractEdgeTypes: 对数据进行边类型抽取的操作。
• ToSLIC: 对数据进行SLIC超像素分割的操作。
• ToSuperpixels: 对数据进行超像素分割的操作。
• ToImage: 对数据进行图像转换的操作。
• ToData: 对数据进行数据转换的操作。
• ToNetworkX: 对数据进行NetworkX图转换的操作。
• ToScipySparseMatrix: 对数据进行Scipy稀疏矩阵转换的操作。
• ToNumpy: 对数据进行Numpy数组转换的操作。
• ToTensor: 对数据进行PyTorch张量转换的操作。
• ToPILImage: 对数据进行PIL图像转换的操作。
• ToDeepGraphInfomax: 对数据进行Deep Graph Infomax转换的操作。