当前位置:   article > 正文

PyG教程(1):初识Pytorch Geometric

pyg

一.什么是PyG?

PyG全称是Pytorch Geometric,它是一个基于Pytorch构建的库,可以帮助用户快速构建和训练自己的图神经网络模型

PyG中实现了很多先进(state of the art)的GNN模块,例如GCNGraphSageGATSGCGIN等等。此外,PyG中还包含了大量的benchmark图数据集、丰富的图数据操作方法、支持多GPU

二.PyG的安装

关于PyG的安装,推荐使用pip命令的方式:

pip install torch-scatter -f https://data.pyg.org/whl/torch-${TORCH}+${CUDA}.html
pip install torch-sparse -f https://data.pyg.org/whl/torch-${TORCH}+${CUDA}.html
pip install torch-geometric
  • 1
  • 2
  • 3

其中${TORCH}${CUDA}分别表示Pytorch版本和CUDA版本的占位符,即需要根据你的环境中两者的版本来对其进行设置,例如你本地的Pytorch和CUDA版本分别为1.10.0cu113,则使用如下命令即可:

pip install torch-scatter -f https://data.pyg.org/whl/torch-1.10.0+cu113.html
pip install torch-sparse -f https://data.pyg.org/whl/torch-1.10.0+cu113.html
pip install torch-geometric
  • 1
  • 2
  • 3

若用官网的conda命令装的话,则要确保你的Pytorch版本别太低,否则会出问题。

从零开始配置PyG可以参见torch_geometric安装笔记

三.PyG框架概述

PyG的架构如下图所示:
PyG架构

其主要分为四大模块:Models、Opeartors、Storage和Engine

Models

PyG架构的最上层是Models,正如前面所介绍的,PyG实现了丰富的GNN模块来供用户直接使用(就像使用Pytorch中的CNN和RNN模块一样方便)。另外,用户可以灵活自由的构建符合自己需求的GNN模型。

Operators

PyG的Operators模块包含了构建图神经网络的基本API,例如图池化。通过该模块的各种组件,用户可以自由的构建自己的GNN模型。

Storage

PyG的Storage模块主要用来对图数据进行处理转换(Transform,类似与torchvision中的transform)和加载管道(pipeline)。通过它可以处理大尺度(large-scale)图数据集。此外,该模块还为异构图(heterogeneous graphs)提供了有效的解决方案。

异构图:包含两种及以上类型的节点和边的图。

Engine

PyG的Engine模块集成了Pytorch深度学习框架、以及高效的CUDA库来操作稀疏数据,例如torch_scattertorch_sparsetorch_cluster

由于现实世界中的图非常大,因此通常采用稀疏格式来对这些大图进行存储,而PyG能支持对稀疏数据的操作表明PyG可以在大图上进行操作,这也是该框架的一个巨大优势。

三.结语

PyG的官方优质资料(本文参考):

知己知彼,方能百战不殆。本文主要是对PyG框架有一个稍微深入点的了解,这能有助于我们更加深刻的掌握该框架。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/你好赵伟/article/detail/860438
推荐阅读
相关标签
  

闽ICP备14008679号