torch_geometric.data

如果可以，直接使用 pyG 的程式碼匯入資料集，可以省去很多麻煩。自己用 pytorch 匯入資料集的話，像是這個 graph 有多少個 node，幾條 edge 等等的資訊都要自己處理。

pyG 的名詞解釋

在匯入資料集之前，會看到很多 PARAMETER，這些 parameter 是用來描述資料集的，所以就來看看在 pyG 中，是用什麼名詞來描述 node 和 edge

• x：node 的 feature matrix，shape 為 (num_nodes, num_node_features)
• edge_index：edge 的 index，shape 為 (2, num_edges)，是 COO format，可以參考邻接矩阵的COO格式這篇文章，簡單來說就是 adjacency matrix 的改良版
• edge_attr：edge 的 feature matrix，shape 為 (num_edges, num_edge_features)
• y：target vector，shape 為 (num_nodes, )，通常是 node 的 label

torch_geometric.data.Data

用於 homogeneous graph 的資料結構，在建立好 Data Object 之後使用 from_dict method 匯入 dictionary

torch_geometric.datasets

pyG 提供了很多資料集，可以直接使用，這裡使用 Cora 這個資料集來做範例。

根據這篇文章的內容，我們可以稍微了解一下這個資料集。train_mask val_mask test_mask 這三個參數是用來區分哪些是用來訓練、驗證、測試的。

• node 為 2708 篇 paper
• node feature 是單詞，總共有 1433 個單詞
• edge 為 10556 條引用關係

from torch_geometric.datasets import Planetoid

dataset = Planetoid(root='data/Cora', name='Cora')
data = dataset[0]
data

>>> Data(x=[2708, 1433], edge_index=[2, 10556], y=[2708], train_mask=[2708], val_mask=[2708], test_mask=[2708])

Reference

• 基于Pytorch的PyTorch Geometric（PYG）库构造个人数据集