问题标签 [dgl]

我想修改示例 DGL GATLayer，以便网络可以学习边缘权重，而不是学习节点表示。也就是说，我想构建一个以一组节点特征作为输入并输出边的网络。标签将是一组“真实边缘”，它们表示哪些节点来自一个共同的来源，这样我就可以学习以相同的方式对看不见的数据进行聚类。

我使用以下 DGL 示例中的代码作为起点：

https://www.dgl.ai/blog/2019/02/17/gat.html

我曾希望我可以调整它以简单地返回边缘而不是节点，例如通过替换线

return self.g.ndata.pop('h')

和

return self.e.ndata.pop('e')

但似乎事情并没有这么简单。我设法让一些东西跑起来，但是损失到处乱窜，没有任何学习发生。

我是图形网络的新手，但一般来说不是深度学习。我想做的事是合理的吗？我是否遗漏了一些对我理解它是如何工作的至关重要的东西？我一直找不到任何易于理解的图网络示例，其中边缘本身就是学习目标，所以我现在有点糊涂。我感谢任何人可以提供的任何帮助！

我写了下面的代码，它工作了几个星期没有任何问题。突然它停止工作并出现以下错误：

代码是：

有没有人看到错误或我可以改变的东西？

我正在研究基于分子的图分类问题。我的数据是 SMILES，我想将其转换为图形并使用 DGL 包构建模型。

我已经在 spyder 中使用pip install dgl安装了 dgl 包，并且！在谷歌 colab 中安装dgl。我可以使用import dgl导入这个包，但是当我使用from dgl.data.chem import mol_to_bigraph, smiles_to_bigraph时，它给了我这个错误：

没有名为“dgl.data.chem”的模块

这里有什么问题？有没有人有修复此错误的经验？谢谢。

我正在使用 graphSAGE 解决节点分类问题。我是 GNN 的新手，所以我的代码基于 GraphSAGE 和 DGL 的分类任务[1]和[2]的教程。这是我正在使用的代码，它是一个 3 层 GNN，输入大小为 20，输出大小为 2（二进制分类问题）：

每次我训练模型（不做任何改变），性能变化很大，准确率在 0.45 和 0.87 之间变化。如何保证结果的重现性？我尝试设置 pytorch seed torch.manual_seed()， numpy seed 并将 drop out 设置为 0 但结果不断变化。这是正常的还是我错过了什么？

我有一个点云，我想在上面使用图形神经网络。点云中的每个点都以其位置坐标和颜色为特征。所以单个节点是(X, Y, Z, C).

现在我想对此应用边缘卷积（如DGL Edge-Conv 示例中(X, Y, Z)所述，为此我应该在（而不是 C ）上构建最近邻图，然后使用所有 4 个属性作为我的特征神经网络。

什么是一种干净有效的方法来做到这一点？（我有很多数据，所以我想很好地批处理和整理）

描述

从邻接矩阵生成图形对象（DGL 或 NetworkX）并允许建立节点特征。

结果

我在下面生成我的解决方案。但是，鼓励其他答案。

我正在使用“预训练图神经网络的策略”github 代码：https ://github.com/snap-stanford/pretrain-gnns 。训练后获得的“model.pth”文件与 DGL-lifesci 分子嵌入代码（ https://github.com/awslabs/dgl-lifesci/tree/master/examples/molecule_embeddings ）不兼容，作为文件内容不同。

任何人都可以帮助我提供与 DGL-LifeSci 中的 'gin-supervised-contextpred' 、 'gin-supervised-edgepred' 、 'gin-supervised-infomax' 路径文件兼容的训练代码吗？

我的问题是关于 GPU 上 DGL 的消息传递和聚合命令的执行顺序。

我想GatedGraphConv在可能具有许多不同边类型的图上使用一个模块，并且想知道对于apply_edges()下面的任何给定调用，该调用是否只是在 GPU 上调度任务，或者该调用是否阻塞了循环的剩余迭代，直到计算完成后？

这是forward()方法的主循环GatedGraphConv（可在https://docs.dgl.ai/_modules/dgl/nn/pytorch/conv/gatedgraphconv.html#GatedGraphConv找到）：

我已经研究过可能在单个 GPU 上使用一组 cuda 流，其中每个流都会被赋予自己的调用apply_edges()（每种不同的边缘类型使用不同的字符串"W_e*h"，因此它们不会相互冲突），然后在之前同步它们的调用update_all()，但我想到这可能是矫枉过正，也许调用apply_edges()只是在 GPU 上安排一个任务，然后 GPU 可以自由地以它认为合适的任何方式完成所有预定的任务（包括运行如果可以的话，同时执行多个任务）。

谢谢。

我是这个领域的新手，想寻求帮助。

我想运行下面的代码：

然后出现错误并告诉我要使用 copy_from_parent() 和 copy_to_parent() 我应该使用 dgl 的版本低于 0.5。

但是，我使用了不同的方法，但仍然无法安装版本低于 0.5 的 dgl。谁能给我一些提示？

最好的问候和 THX 很多！</p>

我有一个非常大的 numpy ndarry relations。该结构通常用于知识图（头部、关系、尾部）。现在我想从数组中构建一个 dgl-graph。使用框架的功能。我尝试通过执行以下操作来构建图表：

1.

2. G = dgl.DGLGraph((relations[:,0], relations[:,2]))

这两种尝试都会导致信息的深层复制。因此，使用的 RAM 本身翻了一番。有没有办法通过引用数组而不是复制信息来构建该图？