使用 torch_geometric的DATA类进行数据封装时，“edge_index”变量不可随意使用

前言：在 PyTorch Geometric 中，edge_index 是一个常用的数据结构。它通常表示为一个形状为 [2, num_edges] 的二维张量

一、 edge_index的基本性质（水点文字）

1、二维张量:edge_index 是一个二维张量，形状为 [2, num_edges]。第一个维度表示边的起点，第二个维度表示边的终点。
2、零基索引:edge_index 使用零基索引（0-based indexing），即节点编号从 0 开始。
3、有向边:edge_index 通常表示有向边，即 edge_index[0, i] 是边的起点，edge_index[1, i] 是边的终点。如果需要无向图，可以通过增加反向边来实现。
4、灵活性:该参数允许灵活定义任意图结构，只要边索引符合上述形状和格式即可。
5、兼容性:edge_index 是 PyTorch Geometric 库中广泛使用的标准数据格式，确保了与该库中其他模块和函数的兼容性。

二、edge_index在数据封装时的自动映射

1、比如蛋白图分子的残基原子如下：每个蛋白质的原子数在400-1200之间不等。如果一次处理一条蛋白质还好，但是当一次处理一个批次时，原子的序号标识便不再唯一，存在大量的重叠，因此 torch_geometric的DATA类的edge_index变量对自动对数据进行映射

tensor([[  0,   1,   2,  ..., 503, 503, 503],
        [504, 504, 504,  ..., 500, 501, 502]])
tensor([[  0,   1,   2,  ..., 454, 455, 455],
        [456, 456, 456,  ..., 455, 453, 454]])
tensor([[  0,   1,   2,  ..., 571, 571, 571],
        [572, 572, 572,  ..., 568, 569, 570]])
tensor([[  0,   1,   2,  ..., 464, 464, 464],
        [465, 465, 465,  ..., 461, 462, 463]])
tensor([[  0,   1,   2,  ..., 465, 465, 465],
        [466, 466, 466,  ..., 462, 463, 464]])
tensor([[   0,    1,    2,  ..., 1114, 1114, 1114],
        [1115, 1115, 1115,  ..., 1111, 1112, 1113]])
tensor([[  0,   1,   2,  ..., 504, 505, 505],
        [506, 506, 506,  ..., 505, 503, 504]])
tensor([[   0,    1,    2,  ..., 1041, 1042, 1042],
        [1043, 1043, 1043,  ..., 1042, 1040, 1041]])
tensor([[  0,   1,   2,  ..., 449, 450, 450],
        [451, 451, 451,  ..., 450, 448, 449]])
tensor([[  0,   1,   2,  ..., 546, 546, 546],
        [547, 547, 547,  ..., 543, 544, 545]])

2、映射结果如下：只有映射正确才能在后面的

torch.Size([2, 57707]) # 边的总数
tensor([   0,    1,    2,  ..., 6133, 6133, 6133], device='cuda:0')  # 映射后的原子序号标识
tensor([ 504,  504,  504,  ..., 6130, 6131, 6132], device='cuda:0') # 映射后的原子序号标识
tensor([ 504,  456,  572,  465,  466, 1115,  506, 1043,  451,  547],
       device='cuda:0')                          # 一个批次内每个蛋白质的序列长度

三、不用edge_index这个变量名表示边索引

1、一批次的数据不能一一对应，因为edge_index的自动映射是使用了节点特征的，根据节点的数量进行映射。使用其他名字导致出现如下报错：

RuntimeError: Sizes of tensors must match except in dimension 0. Expected size 5062 but got size 4916 for tensor number 1 in the list.

2、即使通过一些手段（比如交换数据的维度）侥幸“解决”这个报错，但是没有经过经过获取一批次内节点的总数进行数据映射，存在大量的重叠节点，在下游的操作中必将出现逻辑错误，如下：显然未经过映射的原子范围很窄

torch.Size([2, 57707])
tensor([  0,   1,   2,  ..., 449, 450, 450], device='cuda:0')
tensor([1043, 1043, 1043,  ...,  450,  448,  449], device='cuda:0')
tensor([1043,  465,  466,  456,  572, 1115,  506,  504,  547,  451],

四、总结

在使用边索引时，应当使用torch_geometric的DATA类提供的edge_index变量，否则在后期程序用到边索引时，程序必将出现错误，大家可以注意一下