GCN学习：Pytorch-Geometric教程（二）

最新推荐文章于 2025-05-20 10:10:04 发布

StarfishCu

最新推荐文章于 2025-05-20 10:10:04 发布

阅读量3.6k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：图嵌入 pytorch 文章标签： gcn

本文链接：https://blog.youkuaiyun.com/StarfishCu/article/details/108862499

本文介绍了如何使用PyTorch Geometric进行数据转换，特别是针对ShapeNet数据集将点云转化为图。同时，展示了构建GCN网络的过程，以Cora数据集为例，说明在构建过程中不需要dataloader和额外的transform操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

PyG教程二

数据转换
GCN网络

数据转换

PyTorch Geometric带有自己的变换，该变换期望将Data对象作为输入并返回一个新的变换后的Data对象。可以使用torch_geometric.transforms.Compose将变换链接在一起，并在将处理后的数据集保存到磁盘之前（pre_transform）或访问数据集中的图形之前（transform）应用变换。
让我们看一个示例，其中我们对ShapeNet数据集（包含17,000个3D形状点clouds和来自16个形状类别的每个点标签）应用变换。

from torch_geometric.datasets import ShapeNet
dataset = ShapeNet(root='/tmp/ShapeNet', categories=['Airplane'])
print(dataset[0])
>>> Data(pos=[2518, 3], y=[2518])

通过transform将其从点云转化成图。

import torch_geometric.transforms as T
from torch_geometric.datasets import ShapeNet
dataset = ShapeNet(root='ShapeNet', categories=['Airplane'],
                    pre_transform=T.KNNGraph(k=6))
print(dataset[0])
>>> Data(edge_index=[2, 15108], pos