PyG（PyTorchGeometric）是一个建立在PyTorch基础上的库，用于轻松编写和训练图神经网络（GNN），用于与结构化数据相关的广泛应用。
它包括在图和其他不规则结构上进行深度学习的各种方法，也被称为几何深度学习，来自各种已发表的论文。此外，它还包括易于使用的迷你批量加载器（mini-batchloaders），用于在许多小型和单一的巨型图形上操作；多GPU支持、大量常见的基准数据集（基于简单的接口来创建你自己的数据集）；以及有用的变换，既可以在任意图形上学习，也可以在3D网格或点云上学习。
优点：易于使用且统一的API：只需10-20行代码即可开始训练GNN模型（有关快速浏览，请参阅下一节）。PyG是 PyTorch-on-the-rocks：它利用以张量为中心的API，并保持接近原版PyTorch的设计原则。如果你已经熟悉PyTorch，那么使用PyG很简单。全面且维护良好的GNN模型：大多数最先进的图神经网络架构已由库开发人员或研究论文的作者实施，并已准备好应用。极大的灵活性：可以轻松扩展现有的PyG模型，以使用GNN进行你自己的研究。由于其易于使用的消息传递API以及各种运算符和实用函数，对现有模型进行修改或创建新架构非常简单。大规模真实世界GNN模型：专注于GNN应用在具有挑战性的真实世界场景中的需求，并支持对不同类型图的学习，包括但不限于：具有数百万节点的图的可扩展GNN；随着时间的推移，用于节点预测的动态GNN；具有多种节点类型和边类型的异构GNN。
评论