7、图神经网络：从普通神经网络到图卷积网络的探索

图神经网络：从普通神经网络到图卷积网络的探索

1. 数据集准备

在进行节点分类任务时，我们会使用到两个图数据集：Cora和Facebook Page - Page。其中，Facebook Page - Page默认没有训练、评估和测试掩码，我们可以使用 range() 函数来创建：

data.train_mask = range(18000)
data.val_mask = range(18001, 20000)
data.test_mask = range(20001, 22470)

另外，PyTorch Geometric提供了一个转换函数，在加载数据集时计算随机掩码：

import torch_geometric.transforms as T
dataset = Planetoid(root=".", name="Cora")
data = dataset[0]

2. 使用普通神经网络进行节点分类

这两个数据集包含了节点特征，这些特征为图中的节点提供了额外信息，如社交网络中用户的年龄、性别或兴趣等。在普通神经网络（多层感知机，MLP）中，这些嵌入可以直接用于模型以执行节点分类等下游任务。

2.1 数据处理

我们可以将节点特征的表格数据集通过合并 data.x （包含节点特征）和 data.y （包含每个节点在七个类别中的