【PyG-dataset:TUDataset返回的数据格式】

PyG-dataset:TUDataset返回的数据格式

TUDataset（root，name，cleand）
class中的处理，处理成需要的数据格式，是在process中：

 def process(self):
        self.data, self.slices = read_tu_data(self.raw_dir, self.name)

        if self.pre_filter is not None:
            data_list = [self.get(idx) for idx in range(len(self))]
            data_list = [data for data in data_list if self.pre_filter(data)]
            self.data, self.slices = self.collate(data_list)

        if self.pre_transform is not None:
            data_list = [self.get(idx) for idx in range(len(self))]
            data_list = [self.pre_transform(data) for data in data_list]
            self.data, self.slices = self.collate(data_list)

        torch.save((self.data, self.slices), self.processed_paths[0])

1.在此之前在download函数中，先下载数据到root指定的路径，然后在io.read_to_data中将这些数据读出来，以一定格式返回，读的这些文件是从TUDataset中下载的，以protein为例，其中的文件包括：


其中A.txt是稀疏邻接矩阵的格式，一行就表示一条边的连接
graph_indicator.txt指明对应位置的节点属于哪张图
graph_lable、node_lable就是图和节点的lable（节点的id是唯一的，加入有n张图，每张图k个节点，那么在记录中，所有节点的id是从1到nk）
2.io.read_to_data返回的是

    data = Data(x=x, edge_index=edge_index, edge_attr=edge_attr, y=y)
    data, slices = split(data, batch)

    return data, slices

（1）其中的data = Data(x=x, edge_index=edge_index, edge_attr=edge_attr, y=y)

• edge_index从A.txt文件中读取，其中去除了自环，在去除重复的节点特征时，返回了新的稀疏邻接矩阵,同时，将其中的每张图的节点编号偏移回0（因为文件中的节点编号是所有节点一起编号，导致除了第一张图，其他图的节点起始序号都不是0）

#去除重复节点的函数中，返回的index部分，还是稀疏矩阵的格式
torch.stack([storage.row(), storage.col()], dim=0)

• x是cat（[node_attributes, node_labels]）
  其中，node_labels进行了保证其从0开始的处理,x的最终是tensor[node_attribute,node_lable]的格式，其中node_lable是one_hot的格式
• edge_attr和node_attr类似
• y返回的依然是从0开始的标签
  （2）其中的slices具有edge_index，x，y三个内容
• edge_index是一个节点对应的边的始末
• x是一张图对应的节点始末的id，比如[0,3,8]，表示第一张图从节点0开始，2结束，第二张图从3开始，到7结束（标号从0开始）
• y是图的标号，4张图，返回的是0,1,2,3,4