【dgl学习】dgl.canonical_etypes函数解析

原创 于 2022-08-23 09:01:55 发布 · 813 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习

该博客介绍了如何使用DGL库从异构图中获取规范化的边类型。`canonical_etypes`函数返回图中所有独特的三元组形式（源节点类型，边类型，目标节点类型），例如`('user','follows','user')`。示例展示了创建包含不同边类型的图，并调用`canonical_etypes`来列举所有边类型。

  函数功能：以三元组的形式返回图中定义的边。
下面是官方给出的解释

Return all the canonical edge types in the graph.

A canonical edge type is a string triplet (str, str, str) for source node type, edge type and destination node type.

Returns
All the canonical edge type triplets in a list.

Return type
list[(str, str, str)]

举个例子

import dgl
import torch

g = dgl.heterograph({
   
   
    ('user', 'follows', 'user')
最低0.47元/天 解锁文章
dgl读取graph 错误,dgl安装
码到功成的博客
06-21 1546
dgl load_graphs 读取文件错误
图神经网络开源框架DGL
ZSCDumin的博客
04-06 2267
图神经网络开源框架DGL 还有另外一个开源框架PyTorch Geometric, 在这里不做详细介绍，有兴趣的同学自己去了解一下，个人推荐DGL，简单易用，扩展性好。 1. 使用教程 1.1 pip安装 pip install dgl # For CPU Build pip install dgl-cu90 # For CUDA 9.0 Build pip in...
【dgl框架】dgl.metapath_reachable_graph函数解析
sxl的博客
07-07 1300
  如果用dgl学习异构图神经网络，就会遇到这个函数。这个函数的作用就是返回异构图中指定元路径(meta path)的metagraph。 看官方API的解释：   意思是：返回一个图，其中任何节点u的后续节点都是可以通过给定元路径从u访问的节点。  这里指定的元路径为[‘AB’, ‘BA’]，经过dgl.metapath_reachable_graph函数返回的结果的含义就是：A集合中的节点经过元路径访问到的A集合节点，所构成的图（这个图是个方阵）。也可以理解为：A->B->A。 2 参考文献 [1]dg
DGL-图属性
Iam_Human的博客
09-04 4321
图的创建与属性 创建图 创建图的函数：dgl.graph() 首先创建边：0->1, 0->2, 0->3, 1->3 import torch u, v = torch.tensor([0,0,0,1]), torch.tensor([1,2,3,3]) 在dgl的图中，所有边都是有向的，如果要创建无向图，需要创建双向边 import torch src, dst = torch.tensor([0,0,0,1]), torch.tensor([1,2,3,3]) u = tor
【DGL教程】第5章 训练GNN
zzy979481894的博客
11-11 2312
官方文档：https://docs.dgl.ai/en/latest/guide/training.html 官方示例：https://github.com/dmlc/dgl/tree/master/examples/pytorch 官方文档给出了使用消息传递和NN模块训练用于不同类型任务的GNN的例子，包括顶点分类/回归、边分类/回归、连接预测和图分类 1.顶点分类/回归 https://docs.dgl.ai/en/latest/guide/training-node.html 顶点分类任务是学习一个将
跟着官方文档学DGL框架第十四天——大型图上的随机训练之链接预测
beilizhang的博客
01-21 2120
参考资料 https://docs.dgl.ai/en/latest/guide/minibatch-link.html#guide-minibatch-link-classification-sampler http://www.voidcn.com/article/p-fsdktdik-bry.html 概述 关于链接预测的概念和优化方法在“跟着官方文档学DGL框架第十天”上已经提到过。我们的目标还是得到节点表示，所以在随机训练时与节点分类和边分类的随机训练差不多，只是多了负采样过程。值得庆幸的是，
跟着官方文档学DGL框架第十五天——自定义邻居采样器
beilizhang的博客
01-21 3410
参考资料 https://docs.dgl.ai/en/latest/guide/minibatch-custom-sampler.html#guide-minibatch-customizing-neighborhood-sampler 邻居采样工作原理 我们在更新一个节点的表示时，只需要该结点以及其邻居在上一层中的表示。所以需要找出节点消息传递的依赖。 消息传递的依赖 假设要计算下图所示的节点8在第二层的节点表示。 src = torch.LongTensor( [0, 0, 0, 1,
跟着官方文档学DGL框架第四天——消息传递机制
beilizhang的博客
09-11 2718
主要参考：https://docs.dgl.ai/guide/message.html 整体结构 消息传递机制主要分为三个部分 1.消息产生 2.消息聚合 3.更新特征 消息产生 公式如下： me(t+1)=ϕ(xv(t),xu(t),we(t)),(u,v,e∈ε)m_{e}^{\left ( t+1\right )}=\phi \left ( x_{v}^{\left ( t\right )},x_{u}^{\left ( t\right )},w_{e}^{\left ( t\right )}\rig
跟着官方文档学DGL框架第十三天——大型图上的随机训练之边分类
beilizhang的博客
01-17 2749
参考资料 https://docs.dgl.ai/en/latest/guide/minibatch-edge.html#guide-minibatch-edge-classification-sampler https://docs.dgl.ai/en/latest/api/python/dgl.dataloading.html#dgl.dataloading.pytorch.EdgeDataLoader 概述 边分类的随机训练与节点分类的随机训练没有太大区别，因为边分类的任务第一步也需要获得节点的表
跟着官方文档学DGL框架第六天——异构图卷积模块（HeteroGraphConv）
beilizhang的博客
12-21 6198
参考链接 https://docs.dgl.ai/guide/nn-heterograph.html#guide-nn-heterograph https://docs.dgl.ai/api/python/nn.pytorch.html#dgl.nn.pytorch.HeteroGraphConv 在异构图中，我们分别对每种关系进行处理（不同的DGL NN模块），让源节点的消息沿着不同的关系传递到目标节点，然后对于同一目标节点，聚合不同关系传来的信息来更新特征。公式如下 hdst(l+1)=AGGr∈R
DGL API on PyTorch
w55100的博客
12-29 2309
由于其某种垄断优势不得不在部分场合加入DGL，不得不学一下API。
dgl源码阅读笔记（1）——update_all
weixin_43845522的博客
03-26 2687
dgl源码阅读笔记（1）——update_all 图神经网络开源库dgl阅读笔记 文章目录dgl源码阅读笔记（1）——update_all前言一、update_all1、is_builtin2、message_passing3、invoke_gspmm4、_set_n_repr5、update 前言 update_all是dgl实现消息传递的重要函数，这里进行阅读了解 在debug过程是运行GCN模型后引用的该函数，有些数据集特征数，比如2708等，都是受数据集影响的，在文中为了方便理解所以写了下来。
【DGL教程】第1章 图(Graph)
zzy979481894的博客
04-23 4366
Deep Graph Library (DGL)是一个用于构建图神经网络模型的框架 网址：https://www.dgl.ai/ 官方文档：https://docs.dgl.ai/ 论坛：https://discuss.dgl.ai/ 安装 CPU版本：pip install dgl CUDA 10.2：pip install dgl-cu102 DGL支持PyTorch, MXNet和TensorFlow三种后端，默认为PyTorch，可在~/.dgl/config.json中配置 本章官方文档：ht
DGL官方教程--API--dgl.DGLHeteroGraph
Minions的博客
03-26 9022
class dgl.DGLHeteroGraph(gidx, ntypes, etypes, node_frames=None, edge_frames=None) 基本异构图类。 不要直接从该类实例化；使用conversionmethods来代替。 异构图被定义为具有节点类型和边缘类型的图。 如果两个边缘共享相同的边缘类型，则它们的源节点以及目标节点也具有相同的类型（源节...
【DGL学习4】使用DGL构造异构图
智慧的旋风的博客
05-27 3709
使用DGL都早异构图 参考：https://docs.dgl.ai/guide_cn/graph-heterogeneous.html import dgl import torch Using backend: pytorch 使用DGL创建异构图 下面一个异构图示例。该图具有两种类型的节点(“用户”和”游戏”)和两种类型的边(“关注”和”玩”)。 我们将按照这个例子来创建一个异构图。 graph_data = { ('user', 'follows', 'user') : (torch.t
图神经网络DGL-构图
jiangchao98的博客
06-10 3810
dgl.DGLGraph是对图的统一抽象，它存储了图的结构信息、节点/边的属性信息。
图神经网络框架DGL教程-第2章：消息传递范式
test
05-04 2422
第2章：消息传递范式 消息传递是实现GNN的一种通用框架和编程范式。它从聚合与更新的角度归纳总结了多种GNN模型的实现。 消息传递范式 假设节点 vvv 上的的特征为 xv∈Rd1x_v\in\mathbb{R}^{d_1}xv​∈Rd1​，边 (u,v)(u,v)(u,v) 上的特征为 we∈Rd2w_{e}\in\mathbb{R}^{d_2}we​∈Rd2​。 消息传递范式 定义了以下逐节点和边上的计算 边上计算: me(t+1)=ϕ(xv(t),xu(t),we(t)),(u,v,e)∈E
简单了解DGL中的数据格式
KI的博客
07-09 1719
了解DGL中的数据格式
DGL第一章（官方教程）个人笔记
qq_42388742的博客
06-02 4582
DGL库很友好出了汉语教程地址就在这个地方，这里基本从那边粘贴过来，算作个人笔记。 第一章 图 DGL的核心数据结构DGLGraph提供了一个以图为中心的编程抽象。 DGLGraph提供了接口以处理图的结构、节点/边 的特征，以及使用这些组件可以执行的计算。 1.1 图的基本概念 了解基本概念，图、图的表示、加权图与未加权图、同构与异构图、多重图 1.2 图、节点和边 DGL用唯一整数表示节点，即点ID;对应的两个端点ID表示一条边。根据添加顺序每条边有边ID。DGL中边是有方向的，即边（u,v）（u,v）
Using backend: pytorch Traceback (most recent call last): File "E:\脑与认知\test3.py", line 6, in <module> print(f"DGL使用设备: {dgl.backend.get_preferred_device()}") AttributeError: module 'dgl.backend' has no attribute 'get_preferred_device' PyTorch可见设备: 1 CUDA_VISIBLE_DEVICES: None
最新发布
06-28
示例代码：```pythonimporttorchimport dglimport os#检查DGL版本print("DGL版本:",dgl.__version__)#获取可用设备iftorch.cuda.is_available():#检查分布式环境中的 local_ranklocal_rank =int(os.environ.get(...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值