GNN-第三方库：PyG（Pytorch Geometric）【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】【DeepWalk、LINE、GCN、GAT等】

原创 已于 2024-02-14 13:39:23 修改 · 1.4k 阅读 · 0
于 2022-07-22 21:46:43 首次发布
PyG是Pytorch Geometric的简称，是一个用于构建和训练图神经网络模型的库，支持GCN、GAT等多种模型。它包含Models、Operators、Storage和Engine四大模块，提供图数据操作、大尺度图处理和稀疏数据支持。PyG适用于快速开发和高效处理复杂图数据任务。

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GCN、GraphSage、GAT、SGC、GIN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
标签
#pytorch #神经网络 #深度学习
了解本专栏 订阅专栏 解锁全文 超级会员免费看
【PyG】简介 - 图神经网络
C橘子
12-26 7649
最近在学习图神经网络相关的知识，发现主要使用的库有两个：dgl和pyg，但是pyg的资料是英文的，而且网上资料也比较少，就翻译一下分享。
PyG自定义数据集学习笔记（持续更新
weixin_45928096的博客
09-18 8109
PyG 提供了torch_geometric.data.Data用于构建图。 除了使用benchmark数据集进行实验外，还可以自定义数据集，其方式与Pytorch类似，需要继承数据集类。PyG中提供了两个数据集抽象类： torch_geometric.data.InMemoryDataset：用于构建内存数据集（小数据集），继承自Dataset，一次性加载所有数据到内存。 torch_geometric.data.Dataset：用于构建大型数据集（非内存数据集），分次加载到内存；
PyTorch Geometric：图神经网络开发，一个库就够了
securityspher的博客
06-12 396
PyTorch Geometric（PyG）是图神经网络（GNN）领域最主流的PyTorch扩展库，GitHub Star数达23.8K。它封装了消息传递机制，简化了GCN、GAT等经典架构的实现，支持从学术研究到工业应用的多种场景。PyG的核心功能包括： 提供MessagePassing基类，方便自定义图卷积算子 内置mini-batch loader和大规模图采样方案 支持多GPU训练和torch.compile加速 代码简洁高效，加载数据集和定义模型仅需少量代码，与标准PyTorch兼容。PyG覆盖4
图嵌入原理与实战：从关系建模到推荐、风控等工业应用
weixin_30787531的博客
06-24 326
图嵌入是一种将图结构数据（节点与边）映射为低维稠密向量的技术，其核心在于捕捉节点间的拓扑关系与语义相似性，而非依赖人工特征工程。它基于随机游走、矩阵分解或图神经网络等原理，学习节点在图中的结构角色与邻域模式，从而支撑高阶关系推理。该技术具备强泛化能力与可迁移性，广泛应用于推荐系统、社交网络分析、金融风控、知识图谱和异常检测等场景。尤其在用户行为建模与链接预测任务中，图嵌入能有效融合异构关系信号，显著提升模型对‘隐性关联’的识别精度——这正是Node2Vec、GCN等主流方法在真实业务中持续落地的关键价值。
ComposeCharts源码解析：深入理解Jetpack Compose图表渲染的核心原理 [特殊字符]
gitblog_00453的博客
06-09 463
**ComposeCharts**是一个专为Jetpack Compose设计的现代化图表库，它提供了流畅的动画效果和灵活的图表配置。作为一名Android开发者，你是否曾好奇这些精美的图表是如何在Compose中渲染出来的？本文将带你深入**ComposeCharts源码解析**，揭开图表渲染的神秘面纱，让你彻底理解Jetpack Compose图表库的核心工作原理。 ## 📊 Compos
【PyG】-- 入门教程
qq_46656857的博客
04-06 2885
PyG入门教程
图神经网络框架-PyTorch Geometric(PyG)的使用及踩坑
热门推荐
机器学习社区
11-20 1万+
PyG(PyTorch Geometric)是一个基于PyTorch的图神经网络框架，建议先了解PyTorch的使用再学习PyG,要不然看不懂。本文内容角度，喜欢本文点赞支持、欢迎收藏学习。 PyG包含图神经网络训练中的数据集处理、多GPU训练、多个经典的图神经网络模型、多个常用的图神经网络训练数据集而且支持自建数据集，主要包含以下几个模块 torch_geometric:主模块 torch_geometric.nn：搭建图神经网络层 torch_geometric.data:图结构数据的表示
完整可运行图神经网络（GNN）代码实战项目
最新发布
weixin_35459464的博客
08-20 53
图论为图数据建模提供了不可替代的公理化语言。一个图 $ G = (V, E) $ 由顶点集 $ V = {v_1, v_2, …, v_n} $ 和边集 $ E \subseteq V \times V $ 构成，但这一定义远不足以支撑工业级建模需求。关键在于邻接关系$ \mathcal{A}: V \times V \to \mathbb{R}^d $ 的精细化刻画——它不仅是布尔值（存在/不存在），更是承载语义强度、方向性、时序性与不确定性的一阶张量。
PyG教程(1)：初识Pytorch Geometric
LW的技术小筑
06-09 6565
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、、、、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。关于PyG的安装，推荐使用命令的方式： 其中和分别表示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版本分别为和，则使用
第十六课.Pytorch-geometric入门(一)
白景屹的博客
09-05 7356
目录PyG安装图结构基础基准数据集Mini-Batches构建GCN PyG安装 Pytorch-geometric即PyG，是一个基于pytorch的图神经网络框架。其官方链接为：PyG 在安装PyG之前，我们需要先安装好pytorch，建议使用更高版本的pytorch，比如 pytorch1.9.x + cuda11.1，然后使用pip安装，对于windows系统，我们可以做以下操作： pip install torch-scatter torch-sparse torch-cluster torch-
深度学习高级主题：PyTorch 几何图形
新华编程特战队
12-30 2614
值得注意的是，甚至在训练模型的权重之前，该模型就产生了与图的社区结构非常相似的节点嵌入。相同颜色（社区）的节点已经在嵌入空间中紧密地聚集在一起，尽管我们模型的权重是完全随机初始化的，到目前为止我们还没有进行任何训练！由此得出的结论是，GNN引入了强烈的归纳偏置，导致输入图中彼此靠近的节点具有相似的嵌入。我们可以看到，对于每条边，edge_index包含一个由两个节点索引组成的元组，其中第一个值描述源节点的节点索引，第二个值描述边目标节点的节点索引。初始化空手道俱乐部数据集后，我们首先可以检查它的一些属性。
小白科研笔记：PyTorch Geometric的入门
Niuip的博客
03-21 3187
开始使用Markdown编辑器写博客笔记。 1. PyTorch Geometric配置 PyG的配置比预期要麻烦一点。PyG只支持两种Cuda版本，分别是Cuda9.2和Cuda10.1。而我的笔记本配置是Cuda10.0，考虑到我Pytorch版本是1.2.0+cu92，不是最新的，因此选择使用Cuda9.2的PyG 1.2.0（Cuda向下兼容）。按照PyG官网的安装教程，需要安装torch...
在PyG上构建自己的数据集
为援不可图
09-02 6099
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。
【图神经网络工具】PyTorch Geometric基础知识（一）
weixin_47082769的博客
09-26 2079
工业界的微服务系统通常是由几十到几千个服务运行在不同的机器上组成的大规模分布式系统。系统的异常往往可以体现在trace和log中，分别记录服务间的交互和服务内的行为。现有的跟踪异常检测方法将跟踪视为一系列服务调用。他们忽略了由其调用层次结构和并行/异步调用带来的跟踪的复杂结构。另一方面，现有的日志异常检测方法将日志视为一系列事件，无法处理分布在大量交互复杂的服务中的微服务日志。在本文中，我们提出了 DeepTraLog，一种基于深度学习的微服务异常检测方法。
PyG使用入门（完整详细）
Meteors.的博客
01-20 2464
本文介绍有PyG的入门和第一个简单神经网络的实现，帮助你快速入门GNN！
【PYG】常用和采坑总结
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
01-19 6929
目录 一. PyG的使用 1.整体介绍 1.1 图数据的处理 1.2 常用的图神经网络数据集 1.3 如何加载数据集 2.空域图卷积神经网络的建立 2.1 GCN的实现 2.2 Edge Convolution的实现 3.自建图神经网络数据集 3.1 创建一个能够完全放入内存中的图数据集 3.2 创建无法完全放入内存的数据集 4.批处理 5.异质图的建立 6.异质图神经网络的建立 6.1 将简单图神经网络转换为异质图神经网络 6.2利用PyG中自带的异质图神经网络 7.
【深度学习】pytorch 与 PyG 安装（pip安装）
haoweixl的博客
02-08 6111
这里写目录标题 基于PyTorch的深度学习入门教程（一）——PyTorch安装和配置 深度神经网络是一种目前被广泛使用的工具，可以用于图像识别、分类，物体检测，机器翻译等等。深度学习（DeepLearning）是一种学习神经网络各种参数的方法。因此，我们将要介绍的深度学习，指的是构建神经网络结构，并且运用各种深度学习算法训练网络参数，进而解决各种任务。本文从PyTorch环境配置开始。PyTorch是一种Python接口的深度学习框架，使用灵活，学习方便。还有其他主流的深度学习框架，例如Caffe，Ten
pyg安装配置，以及简单的使用测试
AnomeZ的博客
08-22 3380
边的连接信息# 注意，无向图的边要定义两次#将邻接矩阵转化为coo形式values = edge_index_temp.data # 边上对应权重值weightindices = np.vstack((edge_index_temp.row, edge_index_temp.col))#这个结果是一个数组edge_index_A = torch.LongTensor(indices) # 将数组转化为tensor.long的形式，这就是我们真正需要的coo形式。
GCN学习：Pytorch-Geometric教程（一）
StarfishCu的博客
09-28 5738
基本图变量 PyG中的基本图变量为torch_geometric.data.Data,具有以下参数： data.x: Node feature matrix with shape [num_nodes, num_node_features] data.edge_index: Graph connectivity in COO format with shape [2, num_edges] and type torch.long data.edge_attr: Edge feature matrix w
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