图神经网络实战（22）——基于Captum解释图神经网络

0. 前言

我们已经学习了在图神经网络 (Graph Neural Networks, GNN) 上实现 GNNExplainer 模型，使用 MUTAG 数据集的对图分类预测结果进行解释。在本节中，我们将首先介绍 Captum，以及另一类应用于图数据的解释技术——基于梯度 (Gradient-based) 的方法，积分梯度 (integrated gradients)。然后，在 Twitch 社交网络数据集上使用 PyTorch Geometric 实现该技术。

1. Captum 库

Captum 是一个 Python 库，实现了许多适用于 PyTorch 模型的最先进的解释算法。该库并非专用于图神经网络 (Graph Neural Networks, GNN) ，它也可应用于文本、图像、表格数据等。它允许用户快速测试