DeepSNAP

文档 | 示例 | Colab笔记本

DeepSNAP是一个用于辅助图上高效深度学习的Python库。DeepSNAP的特点在于支持灵活的图操作、标准流程、异构图和简单的API。

DeepSNAP连接了强大的图库（如NetworkX）和深度学习框架PyTorch Geometric。通过直观且比以往更容易使用的API，DeepSNAP解决了以下痛点：

• DeepSNAP目前支持基于NetworkX的后端（同时支持基于SnapX的后端用于同构无向图），允许用户无缝调用数百种可用的图算法来操作/转换图，甚至可以在每次训练迭代中进行。
• DeepSNAP为数据集分割、负采样和定义节点/边/图级目标提供了标准流程，对用户来说是透明的。
• DeepSNAP为灵活和通用的异构GNN提供了高效支持，支持节点和边的异构性，并允许用户控制消息如何参数化和传递。
• DeepSNAP拥有易于使用的API，可与PyTorch Geometric中实现的现有GNN模型/数据集无缝配合。如果用户熟悉PyTorch Geometric，几乎没有学习曲线。

安装

要安装DeepSNAP，请确保已安装PyTorch Geometric和NetworkX。然后：

$ pip install deepsnap

或从源代码构建：

$ git clone https://github.com/snap-stanford/deepsnap
$ cd deepsnap
$ pip install .

示例

代码仓库中提供了使用DeepSNAP的示例。

$ git clone https://github.com/snap-stanford/deepsnap

节点分类：

$ cd deepsnap/examples/node_classification # 节点分类
$ python node_classification_planetoid.py

链接预测：

$ cd deepsnap/examples/link_prediction # 链接预测
$ python link_prediction_cora.py

图分类：

$ cd deepsnap/examples/graph_classification # 图分类
$ python graph_classification_TU.py

文档

有关全面概述、介绍、教程和示例，请参阅完整文档