pyg-team/pytorch_geometric

PyTorch Geometric (PyG)

是什麼 – 一個建立在 PyTorch 之上的 Python 庫，可輕鬆開發與訓練 圖神經網路（GNN）。它提供數十種預先實作的 GNN 層、圖資料載入與批次處理的工具，以及對大型、異質或動態圖的支援。

為何重要 – 圖結構資料出現在許多領域（社交網路、引用網路、分子、3D 網格、推薦系統等）。PyG 只需幾行程式碼，即可讓研究人員與工程師應用最尖端的 GNN 模型解決這些問題，同時仍保有完全的彈性以建立自訂層。

主要特性（README 中所述）

• 統一且類似 PyTorch 的 API – 與您已熟悉的 PyTorch 張量中心工作流程一致；最小範例僅需約 20 行程式碼。
• 豐富的模型目錄 – 已實作超過 40 種已發表的 GNN 層（GCN、GAT、GraphSAGE、GIN、RGCN 等）及高階模型。
• 可擴展的資料處理 – 支援迷你批次載入器、取樣策略與多 GPU 支援，適用於包含數百萬節點的圖。
• 可擴展性 – 透過繼承 MessagePassing 基底類別可建立自訂層；README 中展示了完整的 EdgeConv 範例。
• 與現代 PyTorch 的整合 – 支援 torch.compile、TorchScript，以及 pyg-lib CUDA 核心，實現快速稀疏運算。
• 豐富的生態系 – 包含基準資料集、網格/點雲轉換工具，以及教學、Colab 筆記本與外部資源連結。

典型工作流程（快速導覽摘錄）

1. 載入資料集，例如透過 Planetoid 載入 Cora 引用圖。
2. 透過堆疊提供的層（如 GCNConv）定義模型。
3. 使用標準 PyTorch 最佳化迴圈進行訓練。
4. 在節點分類或其他圖任務上進行評估。

誰應該使用它 – 正在實驗新 GNN 想法的機器學習研究人員、需要生產級 GNN 工具箱的資料科學家，以及已使用 PyTorch 並希望加入圖功能的任何人。

README 中的連結

• 文件：https://pytorch-geometric.readthedocs.io
• 論文：PyG 1.0 (arXiv:1903.02428) 與 PyG 2.0 (arXiv:2507.16991)
• Colab 筆記本、Slack 社群、基準範例（OGB 等）

---

以上所有資訊均直接取自倉儲的 README；未推斷任何額外功能。