深度学习（36）—— 图神经网络GNN（1）

深度学习（36）—— 图神经网络GNN（1）

这个系列的所有代码我都会放在git上，欢迎造访

1. 基础知识

• GNN考虑的事当前的点和周围点之间的关系

• 邻接矩阵是对称的稀疏矩阵，表示图中各个点之间的关系

• 图神经网络的输入是每个节点的特征和邻接矩阵

• 文本数据可以用图的形式表示吗？文本数据也可以表示图的形式，邻接矩阵表示连接关系

• 邻接矩阵中并不是一个N* N的矩阵，而是一个source，target的2* N的矩阵
  

• 信息传递神经网络：每个点的特征如何更新？？——考虑他们的邻居，更新的方式可以自己设置：最大，最小，平均，求和等

• GNN可以有多层，图的结构不发生改变，即当前点所连接的点不发生改变（邻接矩阵不发生变化）【卷积中存在感受野的概念，在GNN中同样存在，GNN的感受野也随着层数的增大变大】

• GNN输出的特征可以干什么？

  • 各个节点的特征组合，对图分类【graph级别任务】
  • 对各个节点分类【node级别任务】
  • 对边分类【edge级别任务】
  • 利用图结构得到特征，最终做什么自定义！

2.使用场景

• 为什么CV和NLP中不用GNN?
  因为图像和文本的数据格式很固定，传统神经网络格式是固定的，输入的东西格式是固定的
• 化学、医疗
• 分子、原子结构
• 药物靶点
• 道路交通，动态流量预测
• 社交网络——研究人
  GNN输入格式比较随意,是不规则的数据结构， 主要用于输入数据不规则的时候

3. 图卷积神经网络GCN

• 图卷积和卷积完全不同
• GCN不是单纯的有监督学习，多数是半监督，有的点是没有标签的，在计算损失的时候只考虑有标签的点。针对数据量少的情况也可以训练

（1）基本思想

• 网络层次：第一层对于每个点都要做更新，最后输出每个点对应的特征向量【一般不会做特别深层的】
• 图中的基本组成：G（原图）A（邻接）D（度）F（特征）
• 度矩阵的倒数* 邻接矩阵 *度矩阵的倒数——>得到新的邻接矩阵【左乘对行做归一化，右乘对列做归一化】
• 两到三层即可，太多效果不佳

4. GNN基本框架——pytorch_geometric

它实现了各种GNN的方法
注意：安装过程中不要pip install，会失败！根据自己的device和python版本去下载scatter，pattern等四个依赖，先安装他们然后再pip install torch_geometric==2.0
这里记得是2.0版本否则会出现 TypeError: Expected ‘Iterator‘ as the return annotation for __iter__ of SMILESParser, but found ty
献上github地址：这里

下面是一个demo

（1）数据

这里使用的是和这个package提供的数据，具体参考：club

from torch_geometric.datasets import KarateClub

dataset = KarateClub()
print(f'Dataset: {dataset}:')
print('======================')
print(f'Number of graphs: {len(dataset)}')
print(f'Number of features: {dataset.num_features}')
print(f'Number of classes: {dataset.num_classes}')

data = dataset[0]  # Get the first graph object.

在torch_geometric中图用Data的格式，Data的对象：可以在文档中详细了解
其中的属性

• edge_index：表示图的连接关系（start,end两个序列）
• node features：每个点的特征
• node labels：每个点的标签
• train_mask：有的节点没有标签（用来表示哪些节点要计算损失）

（2）可视化

from torch_geometric.utils import to_networkx

G = to_networkx(data, to_undirected=True)
visualize_graph(G, color=data.y)

（3）网络定义

GCN layer的定义：
可以在官网的文档做详细了解

卷积层就有很多了：

import torch
from torch.nn import Linear
from torch_geometric.nn import GCNConv


class GCN(torch.nn.Module):
    def __init__(self):
        super().__init__()
        torch.manual_seed(1234)
        self.conv1 = GCNConv(dataset.num_features, 4) # 只需定义好输入特征和输出特征即可
        self.conv2 = GCNConv(4, 4)
        self.conv3 = GCNConv(4, 2)
        self.classifier = Linear(2, dataset.num_classes)

    def forward(self, x, edge_index):
        h = self.conv1(x, edge_index) # 输入特征与邻接矩阵（注意格式，上面那种）
        h = h.tanh()
        h = self.conv2(h, edge_index)
        h = h.tanh()
        h = self.conv3(h, edge_index)
        h = h.tanh()  
        
        # 分类层
        out = self.classifier(h)

        return out, h

model = GCN()
print(model)

_, h = model(data.x, data.edge_index)
print(f'Embedding shape: {list(h.shape)}')# 输出最后分类前的中间特征shape

visualize_embedding(h, color=data.y)

这时很分散

（4）训练模型（semi-supervised）

import time

model = GCN()
criterion = torch.nn.CrossEntropyLoss()  # Define loss criterion.
optimizer = torch.optim.Adam(model.parameters(), lr=0.01)  # Define optimizer.

def train(data):
    optimizer.zero_grad()  
    out, h = model(data.x, data.edge_index) #h是两维向量，主要是为了画图方便 
    loss = criterion(out[data.train_mask], data.y[data.train_mask])  # semi-supervised
    loss.backward()  
    optimizer.step()  
    return loss, h

for epoch in range(401):
    loss, h = train(data)
    if epoch % 10 == 0:
        visualize_embedding(h, color=data.y, epoch=epoch, loss=loss)
        time.sleep(0.3)

然后就可以看到一系列图，看点的变化情况了