GNN学习

PyG包的安装及使用

前言

本篇文章主要介绍PyG包的安装，并且会介绍如何使用这个包来实现常见的图神经网络模型GCN。

一、PyG包是什么？

PyG包就是Pytorch Geometric库，Pytorch Geometric库是常用的图神经网络库。

二、安装步骤

1.安装pytorch和PyG

pytorch-geometric需要以pytorch1.7.0以上为基础，因此首先需要安装pytorch 1.7.0以上版本。这里以1.8.0的cpu版本为例。

1.1 pytorch安装

注意pytorch和Python版本的匹配，我是直接用anaconda创建了个Python3.6.5的虚拟环境，据说Python3.6.5和pytorch的很多版本都能匹配，不知道是不是真的，但是我安装过程没有报错，很顺利。建议直接在anaconda的命令行安装，比较快。

# CPU 
pip install torch==1.8.0+cpu torchvision==0.9.0+cpu torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

1.2 PyG包的安装

以cpu版本为例，注意这里的torch-1.8.0要和第一步自己选择安装的pytorch版本一致。

pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-1.8.0+cpu.html
pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-1.8.0+cpu.html
pip install torch-cluster -f https://pytorch-geometric.com/whl/torch-1.8.0+cpu.html
pip install torch-spline-conv -f https://pytorch-geometric.com/whl/torch-1.8.0+cpu.html
pip install torch-geometric

2.Cora数据集的下载

下载链接：https://github.com/kimiyoung/planetoid
在首次加载数据时需要从网上自行下载，并把里面的cora文件放在如下目录中。否则会报错。

三、 使用PyG实现GCN

代码如下

# 导入需要的包
import torch
import torch.nn.functional as F
# 导入GCN层、GraphSAGE层和GAT层
from torch_geometric.nn import GCNConv, SAGEConv, GATConv
from torch_geometric.datasets import Planetoid

# 加载数据，第一次加载需要自行下载
dataset = Planetoid(root='./tmp/Cora', name='Cora')

class GCN_NET(torch.nn.Module):

    def __init__(self, features, hidden, classes):
        super(GCN_NET, self).__init__()
        self.conv1 = GCNConv(features, hidden)  # shape（输入的节点特征维度 * 中间隐藏层的维度）
        self.conv2 = GCNConv(hidden, classes)  # shaape（中间隐藏层的维度 * 节点类别）

    def forward(self, data):
        # 加载节点特征和邻接关系
        x, edge_index = data.x, data.edge_index
        # 传入卷积层
        x = self.conv1(x, edge_index)
        x = F.relu(x)  # 激活函数
        x = F.dropout(x, training=self.training)  # dropout层，防止过拟合
        x = self.conv2(x, edge_index)  # 第二层卷积层
        # 将经过两层卷积得到的特征输入log_softmax函数得到概率分布
        return F.log_softmax(x, dim=1)


# 判断是否有GPU
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
# 构建模型，设置中间隐藏层维度为16
model = GCN_NET(dataset.num_node_features, 16, dataset.num_classes).to(device)
# 加载数据
data = dataset[0].to(device)
# 定义优化函数
optimizer = torch.optim.Adam(model.parameters(), lr=0.01, weight_decay=5e-4)

model.train()
for epoch in range(200):
    optimizer.zero_grad() # 梯度设为零
    out = model(data)  # 模型输出
    loss = F.nll_loss(out[data.train_mask], data.y[data.train_mask])  # 计算损失
    loss.backward()  # 反向传播计算梯度
    optimizer.step()  # 一步优化


model.eval()  # 评估模型
_, pred = model(data).max(dim=1)  # 得到模型输出的类别
correct = int(pred[data.test_mask].eq(data.y[data.test_mask]).sum().item())  # 计算正确的个数
acc = correct / int(data.test_mask.sum())  # 得出准确率
print('GCN Accuracy: {:.4f}'.format(acc))

经测试，自行下载了数据集，报错：URLError: <urlopen error [Errno 11004] getaddrinfo failed> 在网上找了很多解决方法，最后把planetoid.py里面第50行的 url = ‘https://github.com/kimiyoung/planetoid/raw/master/data’ 改成 url=‘https://gitee.com/jiajiewu/planetoid/raw/master/data’，得到了解决。 在第一次加载成功之后，它就会自己出现这个数据集的相关文件。而且之前我们自己放的也在，不知道能不能把自己放的那个删掉。

总结

第一次写，感觉没有什么头绪，有点乱乱的，参考文章如下：
https://blog.youkuaiyun.com/jmh1996/article/details/115447620
https://zhuanlan.zhihu.com/p/391054539
都是写的特别好的文章，让我受益很大，写这篇文章主要是为了记录一下自己的学习过程，再次感谢厉害的大佬们。