【Pytorch Geometric学习（一）】创建数据集

最新推荐文章于 2024-08-08 08:10:18 发布
最新推荐文章于 2024-08-08 08:10:18 发布
阅读量1.3k 收藏
点赞数
分类专栏： 图机器学习 文章标签： python 图机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zfhsfdhdfajhsr/article/details/124094217
版权
一穷二白到年薪百万
关注
专栏目录
使用PyTorch Geometric构建自己的图数据集
qq_52053775的博客
11-12 4359
SAGEConv：TopKPooling流程其实就是对图进行剪枝操作，选择分低的节点剔除掉，然后再重新组合成一个新的图，邻接矩阵也紧跟着变化具体做法是，首先对于输入x,假设维度为4*5,乘以一个可训练的权重参数(5*1)，得分值取topk，在取出对应的未经过变换的着，乘以权重(sigmoid归一化的得分值)，得到最终结果。相当于就是，假设top1为99，top2为0.1，我们想让得分高的占更大的权重。同时，邻接矩阵也需要跟着变动。
基于Pytorch的PyTorch Geometric（PYG）库构造个人数据集
rothschild666的博客
03-28 7344
PyTorch Geometric库中虽然已经包含自带的数据集如 Cora 等，但有时我们也需要用户个人数据创建自己的数据集进行一些数据研究。**当然博主也建议大家若是第一次使用PyTorch Geometric库可以先使用其自带的数据集进行理解，再创建自己的数据集做到灵活运用。*
PyTorch Geometric Temporal 使用教程
gitblog_01197的博客
08-08 554
PyTorch Geometric Temporal 使用教程 pytorch_geometric_temporalPyTorch Geometric Temporal: Spatiotemporal Signal Processing with Neural Machine Learning Models (CIKM 2021)项目地址:https://gitcode.com/gh_mirro...
pytorch geometric 自定义数据集
qq_41884068的博客
07-14 2917
pytorch geometric 自定义数据集Pytorch Geometric一. torch_geometric.data.Data二. 构建Dataset Pytorch Geometric 一. torch_geometric.data.Data pytorch Geometric Data使用邻接表去表示图，同时也表示了node特征x, 边属性edge_attr等， 需要注意的是， Data只表示一张图（single graph） Data(x=None, edge_index=None, ed
Pytorch Geometric 3 - 自定义数据集
陈小默的博客
11-26 4424
原文地址：INTRODUCTION BY EXAMPLE 博客地址：陈小默的CSDN PyTorch Geometric 为数据集提供了两个抽象类torch_geometric.data.Dataset和torch_geometric.data.InMemoryDataset。 其中InMemoryDataset继承自Dataset，如果要使用InMemoryDataset则需要使数据集大小适合存放在内存中。 首先需要一个保存有数据文件的文件夹root，该文件夹将被划分为两个文件夹，一个用于存储数据集的.
pytorch_geometric自制数据集
weixin_41377325的博客
11-20 6866
1. 无权无向图数据格式与说明 ‘x’ :节点特征矩阵，默认shape为[num_nodes, num_node_features],num_nodes为数据集节点数，node_features为每个节点的特征数。（如果输入一副完整的image，那么特征数可以是像素数嘛？待验证。。） ‘y’ :label，可以是节点label也可以是图graph的label。shape根据目标进行设点。 ‘edg...
使用Pytorch Geometric建立自己的数据集
qq_41960409的博客
12-03 4254
从本地使用PYG构建用于节点分类任务的数据集。
pytorch_geometric_temporal:PyTorch Geometric的时间扩展库
03-19
如果您发现PyTorch Geometric Temporal和新的数据集对您的研究有用，请考虑添加以下引用： @misc { pytorch_geometric_temporal , author = { Benedek, Rozemberczki and Paul, Scherer and Yixuan, He and Oliver...
PyTorch Geometric:PyTorch 的几何深度学习扩展库-开源
06-23
此外，它包含一个易于使用的小批量加载器，用于许多小型和单个巨型图、大量通用基准数据集（基于简单的接口创建自己的）和有用的转换，均用于学习任意图形以及 3D 网格或点云。 我们已经将 PyTorch Geometric 的很...
在PyG上构建自己的数据集
为援不可图
09-02 4992
本部分用到的也是Cora数据集，但是不是官方版本的数据集，而是非常平易近人的风格，拿来就可以使用。
PyTorch Geometric基本教程
weixin_50533561的博客
08-19 1817
【代码】PyTorch Geometric基本教程。
Python-PyTorchGeometric用于PyTorch的几何深度学习扩展库
08-11
PyTorch Geometric：用于PyTorch的几何深度学习扩展库
Pytorch 神经网络—自定义数据集上实现教程
12-23
第一步、导入需要的包 import os import scipy.io as sio import numpy as np import torch import torch.nn as nn import torch.backends.cudnn as cudnn import torch.optim as optim from torch.utils.data import Dataset, DataLoader from torchvision import transforms, utils from torch.autograd import Variable batchSiz
PyTorch Geometric Introduction by Example 中文
qq_43440798的博客
12-12 1271
PyTorch Geometric官方文档Introdoction by Example翻译
PyG文档之四：构建自己的数据集
Yichar的博客
08-12 3210
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
GNN-第三方库：PyTorch Geometric Temporal【PyG的一个时间图神经网络扩展库】
u013250861的博客
10-31 1776
PyTorchGeometricTemporal是PyTorchGeometric（PyG）的一个时间图神经网络扩展库。它建立在开源深度学习和图形处理库之上。PyTorchGeometricTemporal由最先进的深度学习和参数学习方法组成，用于处理时空信号。PyTorchGeometricTemporal是第一个用于几何结构的时间深度学习的开源库，并在动态和静态图上提供常量时差图神经网络。我们使用离散时间图快照（discretetimegraphsnapshots）来实现这一点。...
PyTorch Geometric Temporal安装步骤
qq_38256736的博客
07-12 1642
PyGT（PyTorch Geometric Temporal） github项目地址 安装过程 查看python版本 查看torch版本 下载.whl https://pytorch-geometric.com/whl/ 选择符合的选项 torch版本+cpu/gpu 选择与python和系统相符合的选项，下载torch-scatter、torch-sparse、torch-cluster、torch-spline-conv 安装 根据下载地址进行安装 pip install E:\git
PyTorch、PyG炼丹大法【资料汇总】
智慧的旋风的博客
12-11 1049
paper 《FAST GRAPH REPRESENTATION LEARNING WITH PYTORCH GEOMETRIC》。 文档 https://pytorch-geometric.readthedocs.io/en/latest/ 项目地址 https://github.com/rusty1s/pytorch_geometric
在PyTorch Geometric中，如何加载和处理图数据集？
最新发布
09-08
在PyTorch Geometric中加载和处理图数据集涉及到几个步骤，包括加载数据集、定义数据转换管道以及创建DataLoader。下面是一个基本的指南： 1. 加载数据集： PyTorch Geometric提供了多种预处理过的图数据集，可以通过`torch_geometric.datasets`模块进行加载。例如，加载Cora数据集可以使用以下代码： ```python from torch_geometric.datasets import Planetoid dataset = Planetoid(root='/tmp/Cora', name='Cora') ``` 这里的`root`参数指定了数据集保存的路径，`name`参数指定了数据集的名称。PyTorch Geometric的数据集加载后会返回一个`Dataset`对象，其中包含了数据集中的图数据。 2. 定义数据转换管道： 数据转换是图神经网络中的一个重要步骤，它包括对图结构和节点/边特征的预处理。PyTorch Geometric允许使用`torch_geometric.transforms`模块来定义一个转换管道。例如，添加自环和归一化节点特征可以这样实现： ```python from torch_geometric.transforms import AddSelfLoops, NormalizeFeatures transform = Compose([AddSelfLoops(), NormalizeFeatures()]) dataset = Planetoid(root='/tmp/Cora', name='Cora', transform=transform) ``` `Compose`函数接受一系列转换操作，并将它们组合起来。`AddSelfLoops`操作会为图中的每个节点添加自环，而`NormalizeFeatures`操作会将节点特征按其列进行标准化处理。 3. 创建DataLoader： 有了数据集和可能的转换管道后，可以创建一个`DataLoader`以便于在训练模型时批量加载数据。`DataLoader`支持多进程数据加载，并可以和PyTorch的`DataLoader`类似地使用： ```python from torch_geometric.data import DataLoader loader = DataLoader(dataset, batch_size=32, shuffle=True) ``` 这里的`batch_size`定义了每个批次加载的图的数量，`shuffle`参数设置为True可以保证在每个epoch中随机打乱数据。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值