问题标签 [dgl]

将 GNN 与 HetreoGraph 一起使用是否正确？

运行代码几次会报错，其他次都正常。

重现

多次运行代码会报错：DGLError: Expected data to have X rows, got Y。

DGLError: Expected data to have 5 rows, got 4. 但是我遵循指南

预期行为

无尺寸错误

环境

• DGL 版本 0.6.1
• PyTorch 1.8.1
• 苹果系统：
• 你是如何安装 DGL 的：conda
• Python版本：3.7
• CUDA/cuDNN 版本（如果适用）：仅 CPU

我正在尝试使用节点分类训练 GNN，尝试预测节点的特征。问题是我的图表是边缘标签，所以我需要将边缘中的所有数据转换为节点。我曾考虑使用具有边缘曾经具有的功能的中间节点，使用库 DGL，但我不知道该怎么做。

有谁知道如何转换这个图表？

我正在使用Python 3.6、CUDA 10.1、torch 1.7.1+cu101、dgl-cu101版本0.6.1；但是，当我运行程序时（这是此处提供的PinSage的实现： https ://github.com/dmlc/dgl/tree/master/examples/pytorch/pinsage ），以及任务管理器和 GPU 中的 GPU 使用情况- Z为零！我还运行了以下命令：

他们正在返回指示 GPU 使用情况的结果。任务管理器和GPU-Z的问题怎么办？（当然，运行时间也很短，因为我将它与 Google Colab GPU 运行时进行了比较。）

我有 NVIDIA GEFORCE 940MX。

DGL 版本：0.6

官方文件说

• DGLGraph.pull

沿指定边类型从指定节点的前任中提取消息，聚合它们以更新节点特征。

它可以使用节点列表或单个节点作为输入来调用，但是它们的行为似乎并不相同。在我的代码中，调用

顺序很好，但打电话
tree.dgl_graph.pull([0,5,6])

给出以下错误

DGLError: 无法使用方案 Scheme(shape=(1, 128), dtype=torch.float32) 的功能更新方案 Scheme(shape=(3, 128), dtype=torch.float32) 的列。

是否有任何文档可以了解使用单个节点调用与使用节点列表调用之间的区别？

错误：

手动下载文件并放在.dgl目录下。另一种选择是读取手动下载的文件。至少如何做到这一点？

我希望使用DGL或 pytorch 几何在稳定的基线中构建我的策略和价值网络，但是我正在努力弄清楚如何发送观察结果。观察结果必须是体育课之一，spaces但我不确定如何以这种方式发送可由 DGL 或 Pytorch 几何使用的图形对象。

我遇到的基本问题是如何发送图形观察结果以及在哪里进行必要的预处理以将 DGL 或 pytorch 几何用于自定义稳定基线网络？我可以将图表打包到一个稳定的基线观察空间中，以某种方式 DGL 或 pytorch 几何可以吸收它吗？

注意：如果有人有任何代码的 github 链接，请告诉我，我到处找

以下片段来自教程https://cnvrg.io/graph-neural-networks/。如何从 中可视化图表dataset？matplotlib如果可能的话，使用类似的东西。

在分布式 DGL 中，网络通信发生在采样和反向传播阶段。我想分别了解网络通信和计算开销。如何获得分布式 DGL 中的网络开销？

我的任务是实现一个基于图神经网络的模型来模拟广度优先搜索算法。我正在进行某种迭代节点预测，因此我将节点以排序方式（增加节点 ID）放入 BFS 队列中，以便网络可以学习。（与随机未排序队列相比）

我正在使用 Deep Graph Library 和 python 来完成这项任务。如何在神经网络中实现 BFS 算法？我对此并不陌生，不确定将 BFS 函数放在我的神经网络中的哪个位置。

这是我当前的功能代码

我正在尝试使用 GNN，尤其是 Graph SAGE 进行节点分类。我的数据有节点重要顺序，我想利用这些信息。我读了 Graph Attention Network，但我认为它不适合我的目的，因为 GAT 从 neiborhood 带出注意力权重，并将其输入到节点嵌入中。但是，我想做的是我已经知道重要的顺序（节点权重），并直接而强烈地通过交叉熵损失对其进行调整。当我用谷歌搜索时，我刚刚发现的是关于“类减肥”，但它也不适合我的项目。有没有关于这个的方法或论文？