详解torch_geometric.data.InMemoryDataset

torch_geometric.data.InMemoryDataset是 PyTorch Geometric 库中一个非常重要的用于处理图数据的抽象基类。

1. 基本概念与作用

• 用途概述：它主要用于将整个图数据集加载到内存中，方便后续快速地进行数据访问与操作，适用于数据集规模能够完全放入内存的情况，旨在简化图数据的加载、预处理以及供深度学习模型训练、评估等流程的使用。

• 继承关系：它继承自torch.utils.data.Dataset，这意味着它遵循了 PyTorch 中数据集处理的基本规范，可以利用 PyTorch 提供的一些数据加载相关的工具和机制，比如数据加载器（DataLoader）等。

2. 关键方法

2.1 __init__(self, root=None, transform=None, pre_transform=None, pre_filter=None)

__init__(self, root=None, transform=None, pre_transform=None, pre_filter=None)

参数含义：

• root：字符串类型，指定数据集存储的根目录路径。该目录下通常会包含原始数据文件（raw_dir）以及经过预处理后的数据文件（如果有进行预处理的话processed_dir）。
• transform：数据转换函数（可调用对象），用于对单个数据样本（比如单个图数据实例）进行变换操作，例如对节点特征进行归一化等，会在每次获取数据样本时调用。
• pre_transform：同样是数据转换函数，但它是在数据保存到磁盘（如果有保存过程的话）或者在内存中进行初次处理之前应用到每个数据样本上，常用于较耗时的、只需执行一次的预处理任务，比如对图结构进行特定的重构等。
• pre_filter：也是可调用对象，用于对数据样本进行筛选过滤，决定哪些样本应该被包含在最终的数据集中。

2.2 raw_file_names(self)

• 功能：该方法需要被子类重写，用于返回原始数据文件的文件名列表（字符串列表）。例如，如果数据集的原始数据是以多个.txt文件存储节点信息、边信息等，就需要在这里列出这些文件的名称，这样框架就能知晓要从原始数据目录（由root参数指定的目录下的raw_dir子目录）中查找哪些文件来加载原始数据。

2.3 processed_file_names(self)

• 功能：**同样需要被子类重写，它返回的是经过预处理后的数据文件的文件名列