可能是最好用的图神经网络框架, PyG 2.0发布

PyG (PyTorch Geometric) 可能是最好用的图神经网络框架，今天刚刚发布其2.0版本。

PyG 2.0 有如下的核心变化：

• 异质图的支持。多种类型和节点的图如何简单高效的载入和实现GNN模型？

• GraphGym的整合。考虑不同的层数，聚合函数，架构，任务，GNN可以有多种组合形式(笛卡尔积)的设计。20NIPS GraphGym Design Space for Graph Neural Networks 针对上述问题进行了系统性的研究，分析了315,000 种设计在 32种任务上设计空间。

• GNN选取的指导意见(小抄)。如何针对不同图数据选取合适的GNN架构？

• 效率提升和Bug修复。

异质图神经网络

很多GNN都在研究只有一种类型节点和边的简单图。然而，在现实生活中，图往往包含多种类型节点和关系，称作异质图。例如，推荐场景下，只要也有建模用户和商品之间的交互关系。

异质图有很高的实用价值，但是其设计到多种类型节点及其属性，不同类型的交互，非常复杂，实现起来也很麻烦。亚马逊DGL已经支持异质图了，PyG终于赶上了。

GraphGym

考虑不同的层数，聚合函数，架构，任务，GNN可以有多种组合形式(笛卡尔积)的设计。20NIPS GraphGym Design Space for Graph Neural Networks 针对上述问题进行了系统性的研究，分析了315,000 种设计在 32种任务上设计空间。感兴趣的可以去围观一波原文(https://arxiv.org/abs/2011.08843)。

GNN小抄

如何根据图的特性来选取合适的GNN模型？

这里给出了稀疏图，带权图，二部图，静态图等不同类型图如何选取相应的GNN模型的指导意见。

https://github.com/pyg-team/pytorch_geometric/releases/tag/2.0.0