从代码角度深入浅出图神经网络系列笔记（三）

前言

这一节笔记中主要针对继承Dataset，分次加载到内存，这种数据集一般很大，不适合一次性加载完毕，需要分批加载处理。

构建数据集

1、Dataset

pytorch geometric 构建数据集分两种：
1、继承InMemoryDataset，一次性加载所有的数据到内存
2、继承Dataset，分次加载到内存

Mini-Batching：将一组样本组合成一个统一的表示形式，进行并行处理

2、官方文档例子

首先还是看下引入的库文件，对比一下InMemoryDataset，这里我们引入的是Dataset，对比一下这两个库，初始化的参数完全一致

主要是Dataset多了len()与get()：

• torch_geometric.data.Dataset.len(): 返回数据集中的样本数

• torch_geometric.data.Dataset.get(): 实现加载单个图的逻辑

下面来看对比分析：

import os.path as osp # 调用系统路径

import torch
from torch_geometric.data import Dataset


class MyOwnDataset(Dataset):
    def __init__(self, root, transform=None, pre_transform=None):
        super(MyOwnDataset, self).__init__(root, transform, pre_transform)# 对比InMemoryDataset 这块少了直接加载的代码，因为我们需要分次加载

    @property
    def raw_file_names(self):
        return ['some_file_1', 'some_file_2', ...]

    @property
    def processed_file_names(self): # 对比一次性加载，这里会有多个
        return ['data_1.pt', 'data_2.pt', ...]

    def download(self):
        # Download to `self.raw_dir`.

    def process(self):
        i = 0
        for raw_path in self.raw_paths:
            # Read data from `raw_path`.
            data = Data(...)

            if self.pre_filter is not None and not self.pre_filter(data):
                continue

            if self.pre_transform is not None:
                data = self.pre_transform(data)

            torch.save(data, osp.join(self.processed_dir, 'data_{}.pt'.format(i)))
            i += 1

    def len(self): # 返回数目
        return len(self.processed_file_names)

    def get(self, idx): # 一个一个文件手动加载到内存中
        data = torch.load(osp.join(self.processed_dir, 'data_{}.pt'.format(idx)))
        return data

3、process解读

下面是我从某博客中引用的一段话，个人觉得说的挺好的。process()方法存在的意义是：

1. 原始的格式可能是 csv 或者 mat，在process()函数里可以转化为 pt 格式的文件。
2. 这样在get()方法中，就可以直接使用torch.load()函数，读取 pt 格式的文件，返回的是torch_geometric.data.Data类型的数据。
3. 而不用在get()方法里面做数据转换操作，比如说，把其他格式的数据转换为 torch_geometric.data.Data类型的数据。
4. 当然我们也可以提前把数据转换为 torch_geometric.data.Data类型，使用 pt 格式保存在self.processed_dir中。

Ps：上面这段话部分针对的是Dataset，其实InMemoryDataset也差不多，只不过最后不需要逐个加载进内存，而是直接加载进内存

MINI-BATCHING

官方文档地址：

https://pytorch-geometric.readthedocs.io/en/latest/notes/batching.html#pairs-of-graphs

我觉得这里我没有理解，视频的解释实在是太少了，之后再补