Yichar的博客

PyG的MessagePassing-消息传递接口，依靠一个收集-传播的方案来聚集来自邻近的节点的讯息。例如，考虑消息传递层:它可以实现为：from torch_geometric.nn import MessagePassingx = ... # Node features of shape [num_nodes, num_features]edge_index = ... # Edge indices of shape [2, num_nodes]class MyC

创建小批处理对于让深度学习模型的训练扩展到大量数据是至关重要的。不是一个接一个地处理示例，而是将一组示例分组成一个统一的表示，这样可以有效地并行处理。在图像或语言领域，这个过程通常是通过将每个示例重新调整或填充成一组大小相等的形状来实现的，然后将示例分组到另一个维度中。这个维度的长度等于分组在一个小批处理中的样本数量，通常称为batch_size由于图是最通用的数据结构之一，可以容纳任意数量的节点或边，因此上面描述的两种方法要么不可行，要么会导致大量不必要的内存消耗。在PyTorch geometry中，

尽管PyTorch Geometric已包含许多有用的数据集，但我们有时候还是需要使用自记录或非公开可用数据创建自己的数据集。自己构建数据集其实是很简单的，你可以通过源码来查看如何构建数据集。也可以通过我们的简单介绍来初步学习自己构建数据集。我们为数据集提供了两个抽象类：torch_geometric.data.Dataset和torch_geometric.data.InMemoryDataset。 后者继承自前者，若整个数据集都能放进内存，则应该使用后者。按照tochvision约定，每个数据集都

创建消息传播神经网络GNN通用框架简单介绍MPNN“消息传递”的基本类实现GCN层实现图边卷积GNN通用框架简单介绍可能很多人看到标题，不知道消息传播网络是什么意思，这里简单介绍一下它的概念。如果这段看不懂也没关系，不影响我们的代码学习。消息传播网络是GNN的通用框架之一，所谓通用框架是对多种变体GNN网络结构的一般总结，也就是GNN编程的通用范式。这里简单介绍三类通用框架：（详细介绍来自于《深入浅出图神经网络》第七章）消息传播神经网络（Message Passing Neural Networ

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar

吃几个小栗子图数据处理栗子1：实例化一个data栗子2：Data的一些内置函数常规标准数据集Mini-batches 小批量图上的学习方法图数据处理图一般被用来建模和描述目标（节点）间成对的关系（边）。在Pytorch Gemometric（以后均简称pyg）中，一个图是由torch_geometric.data.Data的一个实例来描述的，设此图有N个节点，每个节点有n个特征，M条边，每条边有m个特征，默认情况下拥有如下的属性：data.x: 节点的特征矩阵，形状：[N，n]data.edge