pyg-team/pytorch_geometric

PyTorch Geometric (PyG)

是什么 – 一个基于 PyTorch 构建的 Python 库，可轻松开发和训练 图神经网络（GNN）。它提供了数十种预实现的 GNN 层、用于加载和批处理图数据的工具，以及对大规模、异构或动态图的支持。

为何重要 – 图结构数据广泛存在于多个领域（社交网络、引用网络、分子、3D 网格、推荐系统等）。PyG 仅需几行代码即可让研究人员和工程师应用最先进的 GNN 模型解决这些问题，同时仍保留完全的灵活性以创建自定义层。

主要特性（README 中所述）

• 统一且类 PyTorch 的 API – 与您已熟悉的 PyTorch 的张量中心工作流一致；一个最小示例仅需约 20 行代码。
• 丰富的模型库 – 已实现超过 40 种已发表的 GNN 层（GCN、GAT、GraphSAGE、GIN、RGCN 等）以及更高层级的模型。
• 可扩展的数据处理 – 支持迷你批次加载器、采样策略和多 GPU 支持，适用于包含数百万个节点的图。
• 可扩展性 – 通过继承 MessagePassing 基类可构建自定义层；README 中展示了完整的 EdgeConv 示例。
• 与现代 PyTorch 的集成 – 支持 torch.compile、TorchScript 以及 pyg-lib CUDA 内核，实现快速稀疏运算。
• 丰富的生态系统 – 包含基准数据集、网格/点云转换工具，以及教程、Colab 笔记本和外部资源链接。

典型工作流程（快速导览摘录）

1. 加载数据集，例如通过 Planetoid 加载 Cora 引用图。
2. 通过堆叠提供的层（如 GCNConv）定义模型。
3. 使用标准 PyTorch 优化器循环进行训练。
4. 在节点分类或其他图任务上进行评估。

谁应该使用它 – 正在实验新 GNN 思路的机器学习研究人员、需要生产级 GNN 工具箱的数据科学家，以及已经使用 PyTorch 并希望添加图功能的任何人。

README 中的链接

• 文档：https://pytorch-geometric.readthedocs.io
• 论文：PyG 1.0 (arXiv:1903.02428) 和 PyG 2.0 (arXiv:2507.16991)
• Colab 笔记本、Slack 社区、基准示例（OGB 等）

---

以上所有信息均直接取自仓库的 README；未推断任何额外功能。