Pytorch-geometric 图神经网络库教程（一）

朴灿烈づ我的快乐病毒、 2022-10-22 07:57 95阅读 0赞

# 前言 #

之前我是一直使用DGL这个图神经网络库做图神经网络方面的研究的，DGL也是一个特别漂亮的图神经网络开源库。但是DGL有如下两个缺点：

1.  DGL适合跑那种邻接矩阵是良性定义的graph。良性定义是指 A i j ∈ \{ 0 , 1 \} A\_\{ij\}\\in\\\{0,1\\\} Aij∈\{ 0,1\}，邻居矩阵的每个元素不能是连续的。
2.  DGL的库更新的慢。

此外，DGL主要是基于传统的图计算那套方法来实现的，里面有mailbox之类的，并不是用数学公式来直接表达。

Pytorch-geometric则是可以解决如上的两个缺点。  
因此，接下来会有一系列的教程介绍pyg库的使用。

# 安装 #

pytorch-geometric需要以pytorch1.7.0以上为基础，因此首先需要安装pytorch 1.7.0或pytorch 1.7.1 或pytorch 1.8.0 或Pytorch 1.8.1，我们选择pytorch 1.7.0版本的吧。  
相应版本的pytorch的安装见：https://blog.csdn.net/jmh1996/article/details/115367376

安装pyg:

pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-1.7.0+${CUDA}.html
    pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-1.7.0+${CUDA}.html
    pip install torch-cluster -f https://pytorch-geometric.com/whl/torch-1.7.0+${CUDA}.html
    pip install torch-spline-conv -f https://pytorch-geometric.com/whl/torch-1.7.0+${CUDA}.html
    pip install torch-geometric

其中在实际安装的时候，需要把上面指令的$\{CUDA\}换成具体的值，这些值包括：  
![在这里插入图片描述][20210405203731415.png]  
比如，安装cu101版本的，那么实际的安装指令就应该是：

pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-1.7.0+cu101.html
    pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-1.7.0+cu101.html
    pip install torch-cluster -f https://pytorch-geometric.com/whl/torch-1.7.0+cu101.html
    pip install torch-spline-conv -f https://pytorch-geometric.com/whl/torch-1.7.0+cu101.html
    pip install torch-geometric

# 图数据的表示 #

图神经网络是跑在图上面的，一般图的定义为  G = ( V , E ) G=(V,E) G=(V,E)包含了顶点和边。  
其中每个顶点会有它的特征矩阵  X ∈ R ∣ V ∣ × d X\\in R^\{|V| \\times d\} X∈R∣V∣×d，d是特征的维度。每个边也可以有自己的边特征。

在pyg里面，使用`torch_geometric.data.Data` 实例来封装一个图。  
这个类的实例，都会包含以下成员变量：

*  x : 节点的特征矩阵，形状为\[节点数，特征维数\]
 *  edge\_index : 用稀疏形式表示的连接矩阵。形状为\[2,边数目\]，(edge\[0\]\[k\],edge\[1\]\[k\]) 表示第k条边的源节点与目标节点。
 *  edge\_attr: 边的特征矩阵，形状为\[边数，特征维数\]
 *  y: 标签信息。对于节点分类，形状应该为\[节点数，\*\]；对于图分类，形状应该是\[1， \*\]

举个例子，为了表示如下这个图：  
![在这里插入图片描述][20210405204816646.png]  
我们的可以这样定义：

import torch
    from torch_geometric.data import Data
    
    edge_index = torch.tensor([[0, 1, 1, 2],
                               [1, 0, 2, 1]], dtype=torch.long)
    x = torch.tensor([[-1], [0], [1]], dtype=torch.float)
    
    data = Data(x=x, edge_index=edge_index)

# Mini-batches #

在pyg里面，为了一个batch一个batch的跑图神经网络，需要把一个batch的所有图都拼接在一起形成一个大图；拼接的时候，主要是把连接矩阵拼接，把节点特征拼接，把标签信息拼接。  
![在这里插入图片描述][20210405205243894.png]  
当然在这个大图里面，来自不同样本的节点之间是不存在连接的。  
`torch_geometric.data.DataLoader` 类帮我们实现好了batch里面样本的拼接过程，我们直接拿来用就可以了。  
他的用法如下：

from torch_geometric.datasets import TUDataset
    from torch_geometric.data 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

也就是使用上面提到的torch\_geometric.data.Data对象是初始化化一个DataLoader对象。  
DataLoader需要制定batch\_size的大小，以及是否需要随机打乱顺序。不得不说，pytorch还是把很多基础功能都实现好了，蛮方便的。

对于每个batch,它是一张大图，因此也可以像访问torch\_geometric.data.Data对象的属性那样去访问这个大图的节点特征矩阵x,边特征矩阵edge\_attr，标签信息y等等。  
此外每个batch还有一个特殊的列向量：`batch.batch`，它表示在这个批次的大图里面，各个节点在这个批次的第几个子图里面。也就是说  b a t c h . b a t c h \[ i \] = j batch.batch\[i\]=j batch.batch\[i\]=j 表示这张大图的第i个节点是来自第j个小图的。  
![在这里插入图片描述][20210405210000970.png]

[20210405203731415.png]: /images/20221022/e64b53248c7d4f23af246ca9ba44dd0b.png
[20210405204816646.png]: /images/20221022/c60056253dde4bf98d39a3bacbd7bae2.png
[20210405205243894.png]: /images/20221022/7e58a015566b4a5286c733c61da67cc5.png
[20210405210000970.png]: /images/20221022/42a87caed55a46e88375692c6ff163ac.png