【PYG——02】框架搭建

最新推荐文章于 2025-05-19 11:52:44 发布

原创最新推荐文章于 2025-05-19 11:52:44 发布 · 258 阅读

0 ·

CC 4.0 BY-SA版权

Xmind 同时被 2 个专栏收录

26 篇文章

订阅专栏

JavaWeb项目

7 篇文章

订阅专栏

博客介绍了Pinyougou工程各模块，如聚合工程、实体类层、数据访问层等。还说明了父工程创建，即创建Maven工程pyg - parent并在pom.xml添加锁定版本信息。同时列出了pom.xml的依赖，包括Spring、dubbo、Mybatis等，还提及排除log4j包冲突。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

工程说明：

pinyougou-parent 聚合工程

pinyougou-pojo 通用实体类层

pinyougou-dao 通用数据访问层

pinyougou-xxxxx-interface 某服务层接口

pinyougou-xxxxx-service 某服务层实现

pinyougou-xxxxx-web 某web工程

父工程：

创建Maven工程pyg-parent （POM）

在pom.xml中添加锁定版本信息dependencyManagement与pluginManagement，

详见“资源/配置文件/第一天搭建/父工程/pom.xml。

pom.xml 依赖：

Spring

dubbo

junit

fastjson

Mybatis

MySql

连接池（druid）

文件上传组件

缓存

身份验证

排除log4j包冲突

solr客户端

java编译插件

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

莱辛巴赫

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

图神经网络实战（9）——GraphSAGE详解与实现

盼小辉丶的博客

05-06

6323

本节介绍了 GraphSAGE 框架及其两个组成部分——邻居采样算法和三个不同的聚合算子，其中邻居采样是 GraphSAGE 能够高效处理大规模图的核心。并使用 PyTorch Geometric 构建 GraphSAGE 模型在 PubMed 数据集上执行节点分类，GraphSAGE 虽然准确率略低于 GCN 或 GAT 模型，但它是常用于处理大规模图数据的高效框架。

PyG基于GCN实现图分类任务

优快云精品推荐

02-17

3983

本专栏整理了《图神经网络代码实战》，内包含了不同图神经网络的相关代码实现（PyG以及自实现），理论与实践相结合，如GCN、GAT、GraphSAGE等经典图网络，每一个代码实例都附带有完整的代码。

参与评论您还未登录，请先登录后发表或查看评论

PyG-框架初认识

图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖

01-27

912

1、简介本文根据一篇关于pyg框架简单介绍的论文研究开始，论文发表在19年的ICLR会议上，论文链接 2、框架 3、参考 FAST GRAPH REPRESENTATION LEARNING WITH PYTORCH GEOMETRIC 代码实现 pyg手册学习参考数据集下载 ...

PyG框架：Graph Classification

qq_38432089的博客

01-06

2313

训练GNN用来做Graph Classification 一、原理 1、根据Message Passing得到每个节点的node embedding 2、readout layer 把所有节点的node embedding聚合成整个图的graph embedding。【文献中有很多种不同的readout layer，但最常用的是mean】【跟Node Classification的区别】：是否把每个节点的node embedding聚合成一个graph embedding？针对mini-batc

PyTorch Geometric（PyG）：基于PyTorch的图神经网络（GNN）开发框架

热门推荐

机器学习社区

11-20

1万+

PyG(PyTorch Geometric)是一个基于PyTorch的图神经网络框架，建议先了解PyTorch的使用再学习PyG,要不然看不懂。本文内容角度，喜欢本文点赞支持、欢迎收藏学习。 PyG包含图神经网络训练中的数据集处理、多GPU训练、多个经典的图神经网络模型、多个常用的图神经网络训练数据集而且支持自建数据集，主要包含以下几个模块 torch_geometric:主模块 torch_geometric.nn：搭建图神经网络层 torch_geometric.data:图结构数据的表示

图深度学习框架PyG（Pytorch-Geometric）代码实战

D_Ddd0701的博客

07-05

2810

PyG是基于torch的图神经网络通用框架，集成了大量图神经网络基础架构

图卷积神经网络笔记——第五章：（1）基于PyG库的图卷积的节点分类实战

Ma Sizhou

07-16

6338

前面讲解了图卷积的基本理论知识（链接.），接下来讲解基于PyG库的图卷积的节点分类。目录一、PyG库简介1、安装PyG 一、PyG库简介 PyG的全称是 PyTorch Geometric，是一款基于 PyTorch 的几何深度学习框架，可以简单方便的实现图神经网络，也就是说，PyG里面封装了各种方法，比如常见的各种图卷积，直接调用即可。当然在学习PyG之前，要对PyTorch有一定的了解。 PyG官方文档： https://pytorch-geometric.readthedocs.io/en/l.

图卷积神经网络笔记——第五章：（2）基于PyG库构造自己的数据集&查阅其他GCN方法

Ma Sizhou

07-24

6618

上一小节: 链接. 这一小节看基于PyG库构造自己的数据集和查阅其他GCN方法目录一、构造自己的数据集一、构造自己的数据集

win10安装CUDA+cuDNN+Pytorch+PyG

weixin_43971889的博客

06-19

517

一起动手学习神经网络——Pytorch和PYG包的安装总结了多篇文档的内容，把自己安装的步骤写下来，以便在后续过程中直接进行安装。第一步：安装Visual Studio 2017,并且选好 C++/CLI support和VC++ 2015.3 v14.00(v140) toolset for Desktop两个在visual C+++ build tools下面的包; 先下载在线安装版，运行起来后选择性安装。如果不进行第一步，直接安装cuda会在最后一部报错，切记。第二步：安装cuda。什么是

【pyg】终结篇一般模型书写框架

图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖

02-26

756

由于本人不太会写代码，也不晓得如何学习，发现自己过了这么久才有点入门。因此准备写一个博客来记录自己的学习过程，同时硬着头皮准备给自己搞一个框架，准备之后按照这个框架来快速套入代码进行学习，以下全部基于pyg框架在win10下进行的学习测试。 DeepGCN 为什么选择这个开始学习，是因为这个模型改进了GCN，将层数加深，其实就是考虑了残差连接,也就是模型最后的输出加上了初始特征x 查找首先以学习deepgcn为例子，首先去pyg官网找到nn模块里面的model 图1 然后点击上面图1中的.

python安装使用PyG图神经网络框架

weixin_43540533的博客

12-14

1580

首先切换到CMD，打开python交互环境输入，查看你所安装的pytorch版本 import torch print(torch.__version__) 我的当前pytorch版本是>>> 1.6.0 安装依赖包及torch-geometric pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-1.6.0.html pip install torch-sparse -f https:..

安装教程 PyG(PyTorch Geometric)

小黄的博客

10-04

1396

PyG超级详细安装教程，手把手教学

关于Pytorch和Pytorch Geometric(PyG)框架下重现GCN代码的理解

meteor_0033的博客

02-07

6109

目录一. 理解MessagePassing 二. 关于数据集的处理（以Cora为例）三. 重现GCN代码分析最近学习了，Pytorch和Pytorch Geometric(PyG)框架下重现SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS的代码，下面是关于Pytorch Geometric及代码的理解。 ...

实战-----基于 PyTorch 的 GNN 搭建

qq_56164625的博客

11-10

4458

在以上的实验中，我们对 PyG 中的图数据类以及自身具备的图数据进行了实践，整体而言比较简单，和 PyTorch 中的一些相关操作也有相似之处。唯一美中不足的是，在加载 PyG 中的图数据时经常会遇到问题，需要手工下载数据集并且修改原代码。1%29%7D网址在此。

pyg安装配置，以及简单的使用测试

AnomeZ的博客

08-22

2736

边的连接信息# 注意，无向图的边要定义两次#将邻接矩阵转化为coo形式values = edge_index_temp.data # 边上对应权重值weightindices = np.vstack((edge_index_temp.row, edge_index_temp.col))#这个结果是一个数组edge_index_A = torch.LongTensor(indices) # 将数组转化为tensor.long的形式，这就是我们真正需要的coo形式。

python安装pyg（pytorch_geometric）的两种方式

1+1=王的博客

02-11

2415

【代码】python安装pyg（pytorch_geometric）的两种方式。

PyG(PyTorch Geometric)安装教程(附Cora数据集)

qq_45957458的博客

06-13

5343

本文介绍了PyG在Windows环境下的安装和Cora数据集的使用

服务器上搭建PYG环境

04-01

搭建PYG环境需要以下步骤： 1. 安装Python PYG是基于Python的库，因此需要先安装Python。可以在Python官网下载相应版本的Python安装包，按照安装向导完成安装。 2. 安装PyTorch PYG依赖于PyTorch，需要先安装PyTorch。可以在PyTorch官网选择相应版本的PyTorch安装包，按照安装向导完成安装。 3. 安装PYG 可以通过pip安装PYG，运行以下命令： ``` pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-1.8.0+${CUDA}.html pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-1.8.0+${CUDA}.html pip install torch-cluster -f https://pytorch-geometric.com/whl/torch-1.8.0+${CUDA}.html pip install torch-spline-conv -f https://pytorch-geometric.com/whl/torch-1.8.0+${CUDA}.html pip install torch-geometric ``` 其中，${CUDA}是指使用的CUDA版本，可以根据实际情况进行替换。 4. 测试PYG 安装完成后，可以测试PYG是否正常工作。可以运行以下代码： ``` import torch from torch_geometric.data import Data edge_index = torch.tensor([ [0, 1, 1, 2], [1, 0, 2, 1] ], dtype=torch.long) x = torch.tensor([ [-1], [0], [1] ], dtype=torch.float) data = Data(x=x, edge_index=edge_index) print(data) ``` 如果输出了数据的信息，则说明PYG已经成功安装并工作正常。