数据完全存于内存的数据集类
PyG中,我们通过继承InMemoryDataset类来自定义一个数据可全部存
储到内存的数据集类。
为了创建一个 InMemoryDataset,我们需要实现四个基本方法:
raw_file_names() 这是一个属性方法,返回一个文件名列表,文件
应该能在raw_dir文件夹中找到,否则调用process() 函数下载文件
到raw_dir文件夹。
processed_file_names() 。这是一个属性方法,返回一个文件名列
表,文件应该能在processed_dir 文件夹中找到,否则调用
process() 函数对样本做预处理然后保存到processed_dir 文件夹。
download() : 将原始数据文件下载到raw_dir文件夹。
process() : 对样本做预处理然后保存到processed_dir 文件夹。
在我们生成一个InMemoryDataset子类的对象时,程序运行流程如下:
首先检查数据原始文件是否已下载:
检查self.raw_dir 目录下是否存在raw_file_names() 属性方法
返回的每个文件,
如有文件不存在,则调用download() 方法执行原始文件下载。
其中self.raw_dir 为osp.join(self.root, ‘raw’) 。
其次检查数据是否经过处理:
首先检查之前对数据做变换的方法:检查self.processed_dir目
录下是否存在pre_transform.pt 文件:如果存在,意味着之前进
行过数据变换,则需加载该文件获取之前所用的数据变换的方法,
并检查它与当前pre_transform 参数指定的方法是否相同;如果不
相同则会报出一个警告,“The pre_transform argument differs
from the one used in ……”。
接着检查之前的样本过滤的方法:检查self.processed_dir目录
下是否存在pre_filter.pt 文件,如果存在,意味着之前进行过样
本过滤,则需加载该文件获取之前所用的样本过滤的方法,并检查
它与当前pre_filter 参数指定的方法是否相同,如果不相同则会
报出一个警告,“The pre_filter argument differs from the one
used in ……”。其中self.processed_dir为
osp.join(self.root, ‘processed’)。
接着检查是否存在处理好的数据:检查self.processed_dir目录
下是否存在self.processed_paths 方法返回的所有文件,如有文
件不存在,意味着不存在已经处理好的样本的文件,如需执行以下
的操作:
调用process方法,进行数据处理。
如果pre_transform 参数不为None,则调用pre_transform
方法进行数据处理。
如果pre_filter 参数不为None,则进行样本过滤(此例子中
不需要进行样本过滤,pre_filter 参数始终为None)。
保存处理好的数据到文件,文件存储在processed_paths() 属
性方法返回的路径。如果将数据保存到多个文件中,则返回的
路径有多个。这些路径都在self.processed_dir目录下,以
processed_file_names()属性方法的返回值为文件名。
最后保存新的pre_transform.pt 文件和pre_filter.pt 文
件,其中分别存储当前使用的数据处理方法和样本过滤方法。