昇腾AI4S图机器学习：DGL图构建接口的PyG替换-优快云博客

本文链接：https://blog.youkuaiyun.com/Splendid2025/article/details/148593556

背景介绍

DGL (Deep Graph Learning) 和 PyG (Pytorch Geometric) 是两个主流的图神经网络库，它们在API设计和底层实现上有一定差异，在不同场景下，研究人员会使用不同的依赖库，昇腾NPU对PyG图机器学习库的支持亲和度更高，因此有些时候需要做DGL接口的PyG替换。

SE3Transformer在RFdiffusion蛋白质设计模型中（GitHub - RosettaCommons/RFdiffusion: Code for running RFdiffusion）作为核心组件，负责处理蛋白质结构的几何信息。其架构基于图神经网络，通过SE(3)等变性实现对三维旋转和平移的不变性特征提取。本系列以RFDiffusion模型中的SE3Transformer为例，讲解如何将DGL中的接口替换为PyG实现。在本文中，主要展示图构建结构的替换。

DGL图构建接口的PyG替换（make_full_graph和make_topk_graph）

make_full_graph 函数

位置:

rfdiffusion/util_module.py

输入:

xyz: 蛋白质骨架坐标，形状为(B, L, 3)或(B, L, 3, 3)
pair: 成对特征，形状为(B, L, L, E)
idx:残基索引

输出:

G : DGL图
edge_feats:边特征

调用DGL函数:

dgl.graph:创建图结构

数学逻辑:

提取氨基酸相对位置
构建完全连接图
设置边特征和节点特征

PyG实现代码:

def make_full_graph(xyz, pair, idx, top_k=64, kmin=9):
        B, L = xyz.shape[:2]
        device = xyz.device

        # 确保xyz形状正确 
        if xyz.dim() > 3:
                xyz_flat = xyz[:,:,1] if xyz.shape[2] == 3 else xyz.reshape(B, L, 3)
        else:
                xyz_flat = xyz

        # 计算序列分离
        sep = idx[:,None,:] - idx[:,:,None] 
        b,i,j = torch.where(sep.abs() > 0)

        # 构建PyG图所需的边索引 
        src = b*L+i
        tgt = b*L+j

        # 创建图对象
        G = graph((src, tgt), num_nodes=B*L).to(device)

        # 计算相对位置
        rel_pos = xyz_flat[b,j,:] - xyz_flat[b,i,:]
        if rel_pos.dim() > 2 and rel_pos.shape[-1] == 3:
                rel_pos = rel_pos.reshape(-1, 3)
        G.edata['rel_pos'] = rel_pos.detach()

        # 处理边特征
        edge_feats = pair[b,i,j] 
        if edge_feats.dim() == 1:
                edge_feats = edge_feats.unsqueeze(-1)
        if edge_feats.dim() == 2:
                edge_feats = edge_feats.unsqueeze(-1) 

        # 归一化特征减少实现差异
        edge_feats = torch.tanh(edge_feats / 10.0) * 10.0

        return G, edge_feats