官方示例
torch_geometric.data.Data
节点和节点之间的边构成了图。所以在 PyG 中，如果要构建图，那么需要两个要素：节点和边。PyG 提供了torch_geometric.data.Data 用于构建图，包括 5 个属性，每一个属性都不是必须的，可以为空。
x: 用于存储每个节点的特征，形状是[num_nodes, num_node_features]。
edge_index: 用于存储节点之间的边，形状是 [2, num_edges]。
pos: 存储节点的坐标，形状是[num_nodes, num_dimensions]。
y: 存储样本标签。如果是每个节点都有标签，那么形状是[num_nodes, *]；如果是整张图只有一个标签，那么形状是[1, *]。
edge_attr: 存储边的特征。形状是[num_edges, num_edge_features]。
实际上，Data对象不仅仅限制于这些属性，我们可以通过data.face来扩展Data，以张量保存三维网格中三角形的连接性。
需要注意的的是，在Data里包含了样本的 label，这意味和 PyTorch 稍有不同。在PyTorch中，我们重写Dataset的__getitem__()，根据 index 返回对应的样本和 label。在 PyG 中，我们使用的不是这种写法，而是在get()函数中根据 index 返回torch_geometric.data.Data类型的数据，在Data里包含了数据和 label。
下面一个例子是未加权无向图 ( 未加权指边上没有权值 )，包括 3 个节点和 4 条边。
import torch from torch_geometric.data import Data # 由于是无向图，因此有 4 条边：(0 -> 1), (1 -> 0), (1 -> 2), (2 -> 1) edge_index = torch.tensor([[0, 1, 1, 2], [1, 0, 2, 1]], dtype=torch.long) # 节点的特征 x = torch.tensor([[-1], [0], [1]], dtype=torch.float) data = Data(x=x, edge_index=edge_index)
Dataset 与 DataLoader
PyG 的 Dataset继承自torch.utils.data.Dataset，自带了很多图数据集，我们以TUDataset为例，通过以下代码就可以加载数据集，root参数设置数据下载的位置。通过索引可以访问每一个数据。
from torch_geometric.datasets import TUDataset dataset = TUDataset(root='/tmp/ENZYMES', name='ENZYMES') data = dataset[0]
在一个图中，由edge_index和edge_attr可以决定所有节点的邻接矩阵。PyG 通过创建稀疏的对角邻接矩阵，并在节点维度中连接特征矩阵和 label 矩阵，实现了在 mini-batch 的并行化。PyG 允许在一个 mini-batch 中的每个Data (图) 使用不同数量的节点和边。
让我们再试一个！让我们下载 Cora，半监督图节点分类的标准基准数据集：（需要开VPN下载数据）
from torch_geometric.datasets import Planetoid dataset = Planetoid(root='/tmp/Cora', name='Cora') >>> Cora() len(dataset) >>> 1 dataset.num_classes >>> 7 dataset.num_node_features >>> 1433
这一次，Data对象包含每个节点的标签，以及其他节点级属性：、和 ，其中train_mask``val_mask``test_mask
train_mask表示针对哪些节点进行训练（140 个节点），
val_mask表示要用于验证的节点，例如，执行早期停止（500 个节点），
test_mask表示要针对哪些节点进行测试（1000 个节点）。
Mini-Batches
神经网络通常以批处理的方式进行训练。PyG 通过创建稀疏块对角邻接矩阵（由 定义）并在节点维度中连接特征矩阵和目标矩阵，在小型批处理上实现并行化。这种组合允许在一个批次中与示例相比，节点和边缘的数量不同：edge_index
from torch_geometric.datasets import TUDataset from torch_geometric.loader import DataLoader dataset = TUDataset(root='/tmp/ENZYMES', name='ENZYMES', use_node_attr=True) loader = DataLoader(dataset, batch_size=32, shuffle=True) for batch in loader: batch >>> DataBatch(batch=[1082], edge_index=[2, 4066], x=[1082, 21], y=[32]) batch.num_graphs >>> 32
torch_geometric.data.Batch 继承自 torch_geometric.data.Data 并包含一个名为 batch 的附加属性。batch是一个列向量，它将每个节点映射到批处理中的相应图中。
Data Transforms
变换是变换图像和执行增强的常用方法。PyG 附带了自己的转换，这些转换期望Data对象作为输入，并返回新的转换数据对象。转换可以使用torch_geometric.transforms.Compose链接在一起，并在将已处理的数据集保存到磁盘 （） 上之前或在访问数据集 （） 中的图形之前应用。torchvision``pre_transform``transform
我们可以通过转换从点云生成最近邻图，从而将点云数据集转换为图形数据集：
import torch_geometric.transforms as T from torch_geometric.datasets import ShapeNet dataset = ShapeNet(root='/tmp/ShapeNet', categories=['Airplane'], pre_transform=T.KNNGraph(k=6)) dataset[0]
Learning Methods on Graphs
我们将使用一个简单的GCN图层，并在Cora引文数据集上复制实验。
我们首先需要加载Cora数据集：
from torch_geometric.datasets import Planetoid dataset = Planetoid(root='/tmp/Cora', name='Cora')
现在，让我们实现一个双层 GCN：
import torch import torch.nn.functional as F from torch_geometric.nn import GCNConv class GCN(torch.nn.Module): def __init__(self): super().__init__() self.conv1 = GCNConv(dataset.num_node_features, 16) self.conv2 = GCNConv(16, dataset.num_classes) def forward(self, data): x, edge_index = data.x, data.edge_index x = self.conv1(x, edge_index) x = F.relu(x) x = F.dropout(x, training=self.training) x = self.conv2(x, edge_index) return F.log_softmax(x, dim=1)
构造函数定义了两个GCNConv层.
请注意，非线性没有集成到调用中，因此需要在之后应用（这在PyG中的所有运算符中是一致的）。在这里，我们选择使用ReLU作为我们的中间非线性，并最终输出类数的softmax分布。让我们在训练节点上训练此模型 200 个 epoch：
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = GCN().to(device) data = dataset[0].to(device) optimizer = torch.optim.Adam(model.parameters(), lr=0.01, weight_decay=5e-4) model.train() for epoch in range(200): optimizer.zero_grad() out = model(data) loss = F.nll_loss(out[data.train_mask], data.y[data.train_mask]) loss.backward() optimizer.step()
最后，我们可以在测试节点上评估我们的模型：
model.eval() pred = model(data).argmax(dim=1) correct = (pred[data.test_mask] == data.y[data.test_mask]).sum() acc = int(correct) / int(data.test_mask.sum()) print(f'Accuracy: {acc:.4f}')
