这篇博客是我学习pytorch-geometric(正文将以PyG代替)时做的笔记，有错误的地方在所难免，欢迎指正，非常感谢。

参考pytorch-geometric官网

1 图数据处理

1.1 创建自己的图数据

PyG创建图的方式很简单，假设我们有一张无向无权图，它包含3个结点和2条边，如下图所示：

在数据结构里面我们创建一张图，至少需要指定其结点、 边等信息。PyG也不例外，用PyG创建一张图，可以给图指定如下的信息

x 表示结点的特征。二维矩阵， shape: [结点个数， 结点的特征维度]

edge_index表示边的信息。这个有点反人类，二维矩阵，shape[2, 边的条数]。 比如我们有三条边(0,1)(0, 2), (1, 2) ，那么这个矩阵将表示成 [ [0, 0, 1], [1, 2, 2] ] 每一列表示一条边

edge_attr 表示边的属性，例如权重，结点之间的关联程度等信息。 二维矩阵，shape[边数， 边的特征维度]

y 表示结点的标签，二维矩阵，shape[结点个数， 标签的维度]。当标签的维度大于1时，就成了多标签问题了

注意！在创建图的时候，这些属性不是都要指定的，根据需要指定就好，甚至可以一个都不指定（空图）

现在可以开始创建我们的第一张图了 (根据上面那张图)

import torch from torch_geometric.data import Data # 用来创建图 # 三个结点的特征， 特征维度为1 x = torch.tensor([[-1], [0], [1]], dtype=torch.float) # 边 edge_index = torch.tensor([[0, 1, 1, 2], [1, 0, 2, 1]], dtype=torch.long) # 每个结点的标签， 假设我们只有两个标签0和1 y = torch.tensor([[0], [0], [1]]) # 创建图 data = Data(x=x, edge_index=edge_index, y=y) print(data)

输出结果：

Data(edge_index=[2, 4], x=[3, 1], y=[3, 1])

我们还可以从data中获取更多信息

# 结点个数 print(data.num_nodes) # 边数 print(data.num_edges) # 是否为有向图 print(data.is_directed()) # 是否包含孤立结点 print(data.contains_isolated_nodes()) # 结点的特征数 print(data.num_node_features)

输出

3 4 False False 1

1.2 使用PyG提供的数据集

PyG中提供了大量的数据集供我们使用，比如Cora,Citeseer, Pubmed等经典的数据集。我们可以使用TUDataset轻松加载数据，只需要指定数据集在你本地的存储位置以及你要加载的数据集的name 接下来我们尝试加载ENZYMES数据集，它包含600张图，六个类别。

import torch from torch_geometric.data import Data from torch_geometric.datasets import TUDataset dataset = TUDataset(root='./dataset/ENZYMES', name='ENZYMES') # 图的个数 print(len(dataset)) # 类别 print(dataset.num_classes) # 结点特征 print(dataset.num_node_features)

输出

Downloading https://www.chrsmrrs.com/graphkerneldatasets/ENZYMES.zip Extracting dataset\ENZYMES\ENZYMES\ENZYMES.zip Processing... Done! 600 6 3

这样，我们就完成了数据集的加载。事实上，TUDataset的功能远远不止这些，我们还可以做更多的事情！稍微look一下它的源码。

def __init__(self, root, name, transform=None, pre_transform=None, pre_filter=None, use_node_attr=False, use_edge_attr=False, cleaned=False): self.name = name self.cleaned = cleaned super(TUDataset, self).__init__(root, transform, pre_transform, pre_filter) self.data, self.slices = torch.load(self.processed_paths[0]) if self.data.x is not None and not use_node_attr: num_node_attributes = self.num_node_attributes self.data.x = self.data.x[:, num_node_attributes:] if self.data.edge_attr is not None and not use_edge_attr: num_edge_attributes = self.num_edge_attributes self.data.edge_attr = self.data.edge_attr[:, num_edge_attributes:]

可以看到我们还可以对数据进行transform和pretransform，使用结点属性等等

对拿到的数据集进行划分，shuffle等

from torch_geometric.dataset import TUDataset dataset = TUDataset(root='./dataset/ENZYMES', name='ENZYMES') # 训练数据集 dataset_train = dataset[:540] dataset_train = dataset_train.shuffle() # 测试数据集 dataset_test = dataset[540:]