如何来构建神经网络？看看这篇干货

飞奔的炮台

导读在这篇文章中，您将学习图神经网络如何工作的基础知识，以及如何使用Pytorch Geometric（PyG）库和Open Graph Benchmark（OGB）库并通过Python编程实现这样一个图神经网络。

深度学习为对非结构化数据进行预测开辟了一个全新的可能性世界。如今，人们常用卷积神经网络（CNN）处理图像数据，而采用递归神经网络（RNN）来处理文本数据，等等。

在过去几年中，又出现了一类新的令人兴奋的神经网络：图神经网络（Graph Neural Networks，简称“GNN”）。顾名思义，这个网络类型专注于处理图数据。
在这篇文章中，您将学习图神经网络如何工作的基础知识，以及如何使用Pytorch Geometric（PyG）库和Open Graph Benchmark（OGB）库并通过Python编程实现这样一个图神经网络。
注意，您可以在我的Github和Kaggle网站上找到本文提供的示例工程源码。
普通GNN的工作原理
随着图卷积网络（GCN）［见参考文献1］的引入，GNN开始流行起来，该网络将CNN中的一些概念借用到了图世界。这种网络的主要思想，也称为消息传递框架（Message-Passing Framework），多年来成为该领域的黄金标准。我们将在本文中探讨这一概念。
消息传递框架指出，对于图中的每个节点，我们将做两件事：
聚合来自其邻节点的信息
使用来自其上一层及其邻节点聚合的信息更新当前节点信息

消息传递框架示意图。来源：维基百科
上图中显示了消息传递框架的工作原理。在GCN之后开发的许多架构侧重于定义聚合和更新数据的最佳方式。
PyG和OGB简介
PyG是Pytorch库的扩展，它允许我们使用研究中已经建立的层快速实现新的图神经网络架构。
OGB［见参考文献2］是作为提高该领域研究质量的一种方式开发的，因为它提供了可使用的策划图，也是评估给定架构结果的标准方式，从而使提案之间的比较更加公平。
于是，我们可以将这两个库一起使用，一方面可以更容易地提出一个架构，另一方面也不必担心数据获取和评估机制的问题。
实现一个GNN项目
首先，让我们安装示例工程必需的库。请注意，您必须首先安装PyTorch：

pip install ogb
pip install torch_geometric

现在，让我们导入所需的方法和库：

import os
import torch
import torch.nn.functional as Ffrom tqdm import tqdm
from torch_geometric.loader import NeighborLoader
from torch.optim.lr_scheduler import ReduceLROnPlateau
from torch_geometric.nn import MessagePassing, SAGEConv
from ogb.nodeproppred import Evaluator, PygNodePropPredDataset

接下来，第一步是从OGB下载数据集。我们将使用ogbn-arxiv网络，其中每个节点都是arxiv网站上的计算机科学论文，每个有向边表示一篇论文引用了另一篇论文。我们的任务是：将每个节点分类为一个论文类别。
下载过程非常简单：

target_dataset = 'ogbn-arxiv'#我们将把ogbn-arxiv下载到当前示例工程的'networks'文件夹下
dataset = PygNodePropPredDataset(name=target_dataset, root='networks')

其中，dataset变量是一个名为PygNodePropPredDataset的类的实例，该类特定于OGB库。要将该数据集作为可在Pyrotch Geometric上使用的数据类进行访问，我们只需执行以下操作：

data = dataset[0]

如果我们通过调试跟踪看一下这个变量，我们会看到如下结果：

Data(num_nodes=169343, edge_index=[2, 1166243], x=[169343, 128], node_year=[169343, 1], y=[169343, 1])

至此，我们已经准备好了节点数目、邻接列表、网络的特征向量、每个节点的年份信息，并确定下目标标签。
另外，ogbn-arxiv网络已经配备好了分别用于训练、验证和测试的分割数据子集。这是OGB提供的一种提高该网络研究再现性和质量的好方法。我们可以通过以下方式提取：

split_idx = dataset.get_idx_split() 
    
train_idx = split_idx['train']
valid_idx = split_idx['valid']
test_idx = split_idx['test']

现在，我们将定义两个在训练期间使用的数据加载器。第一个将仅加载训练集中的节点，第二个将加载网络上的所有节点。
我们将使用Pytorch Geometric库中的邻节点加载函数NeighborLoader。该数据加载器为每个节点采样给定数量的邻节点。这是一种避免具有数千个节点的节点的RAM和计算时间瘫痪的方法。在本教程中，我们将在训练加载程序上每个节点使用30个邻节点。

train_loader = NeighborLoader(data, input_nodes=train_idx,
                shuffle=True, num_workers=os.cpu_count() - 2,
                batch_size=1024, num_neighbors=[30] * 2)total_loader = NeighborLoader(data, input_nodes=None, num_neighbors=[-1],
                 batch_size=4096, shuffle=False,
                 num_workers=os.cpu_count() - 2)

注意，我们把训练数据加载器中的数据以随机方式打乱次序，但没有打乱总加载器中数据的次序。此外，训练加载程序的邻节点数定义为网络每层的数量。因为我们将在这里使用两层网络，所以我们将其设置为两个值为30的列表。
现在是时候创建我们的GNN架构了。对于任何熟悉Pytorch的人来说，这应该都是平常的事情。
我们将使用SAGE图层。这些层是在一篇很好的论文［见参考文献3］中定义的，该论文非常细致地介绍了邻节点采样的思想。幸运的是，Pytorch Geometric 库已经为我们实现了这一层。
因此，与每个PyTorch架构一样，我们必须定义一个包含我们将要使用的层的类：

class SAGE(torch.nn.Module):
  def __init__(self, in_channels,
         hidden_channels, out_channels,
         n_layers=2):
    
    super(SAGE, self).__init__()
    self.n_layers = n_layers  self.layers = torch.nn.ModuleList()
    self.layers_bn = torch.nn.ModuleList()  if n_layers == 1:
      self.layers.append(SAGEConv(in_channels, out_channels,   normalize=False))
    elif n_layers == 2:
      self.layers.append(SAGEConv(in_channels, hidden_channels, normalize=False))
       self.layers_bn.append(torch.nn.BatchNorm1d(hidden_channels))
      self.layers.append(SAGEConv(hidden_channels, out_channels, normalize=False))
    else:
       self.layers.append(SAGEConv(in_channels, hidden_channels, normalize=False))
        self.layers_bn.append(torch.nn.BatchNorm1d(hidden_channels))  for _ in range(n_layers - 2):
        self.layers.append(SAGEConv(hidden_channels,  hidden_channels, normalize=False))
         self.layers_bn.append(torch.nn.BatchNorm1d(hidden_channels))
      
      self.layers.append(SAGEConv(hidden_channels, out_channels, normalize=False))
      
    for layer in self.layers:
      layer.reset_parameters()  def forward(self, x, edge_index):
    if len(self.layers) > 1:
      looper = self.layers[:-1]
    else:
      looper = self.layers
    
    for i, layer in enumerate(looper):
      x = layer(x, edge_index)
      try:
        x = self.layers_bn[i](x)
      except Exception as e:
        abs(1)
      finally:
        x = F.relu(x)
        x = F.dropout(x, p=0.5, training=self.training)
    
    if len(self.layers) > 1:
      x = self.layers[-1](x, edge_index)    return F.log_softmax(x, dim=-1), torch.var(x)
  
  def inference(self, total_loader, device):
    xs = []
    var_ = []
    for batch in total_loader:
      out, var = self.forward(batch.x.to(device), batch.edge_index.to(device))
      out = out[:batch.batch_size]
      xs.append(out.cpu())
      var_.append(var.item())
    
    out_all = torch.cat(xs, dim=0)
    
    return out_all, var_

让我们一步一步地将上述代码分开解释：
我们必须定义网络的in_channels数量，这个值代表数据集中的特征数。out_channels代表我们试图预测的类别的总数。隐藏通道参数idden_channels是一个我们可以定义的值，表示隐藏单元的数量。
我们可以设置网络的层数。对于每个隐藏层，我们添加一个批量归一化层，然后重置每个层的参数。
forward方法运行正向过程的单个迭代。期间，获得特征向量和邻接列表，并将其传递给SAGE层，然后将结果传递给批量归一化层。此外，我们还应用ReLU非线性和衰减层进行正则化。
最后，推理方法（inference）将为数据集中的每个节点生成预测。我们将使用它进行验证。
现在，让我们定义模型的一些参数：

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')model = SAGE(data.x.shape[1], 256, dataset.num_classes, n_layers=2)
model.to(device)
epochs = 100
optimizer = torch.optim.Adam(model.parameters(), lr=0.03)
scheduler = ReduceLROnPlateau(optimizer, 'max', patience=7)

现在，我们可以开始测试了，以验证我们的所有预测：

def test(model, device):
  evaluator = Evaluator(name=target_dataset)
  model.eval()
  out, var = model.inference(total_loader, device)  y_true = data.y.cpu()
    y_pred = out.argmax(dim=-1, keepdim=True)  train_acc = evaluator.eval({
    'y_true': y_true[split_idx['train']],
    'y_pred': y_pred[split_idx['train']],
  })['acc']
  val_acc = evaluator.eval({
    'y_true': y_true[split_idx['valid']],
    'y_pred': y_pred[split_idx['valid']],
  })['acc']
  test_acc = evaluator.eval({
    'y_true': y_true[split_idx['test']],
    'y_pred': y_pred[split_idx['test']],
  })['acc']return train_acc, val_acc, test_acc, torch.mean(torch.Tensor(var))

在这个函数中，我们从OGB库中实例化一个验证器类Validator。这个类将负责验证我们之前检索到的每个分割的模型。这样，我们将看到每个世代上的训练、验证和测试集的得分值。
最后，让我们创建我们的训练循环：

for epoch in range(1, epochs):
  model.train()  pbar = tqdm(total=train_idx.size(0))
  pbar.set_description(f'Epoch {epoch:02d}')  total_loss = total_correct = 0  for batch in train_loader:
    batch_size = batch.batch_size
    optimizer.zero_grad()    out, _ = model(batch.x.to(device), batch.edge_index.to(device))
    out = out[:batch_size]    batch_y = batch.y[:batch_size].to(device)
    batch_y = torch.reshape(batch_y, (-1,))    loss = F.nll_loss(out, batch_y)
    loss.backward()
    optimizer.step()    total_loss += float(loss)
    total_correct += int(out.argmax(dim=-1).eq(batch_y).sum())
    pbar.update(batch.batch_size)  pbar.close()  loss = total_loss / len(train_loader)
  approx_acc = total_correct / train_idx.size(0)  train_acc, val_acc, test_acc, var = test(model, device)
  
  print(f'Train: {train_acc:.4f}, Val: {val_acc:.4f}, Test: {test_acc:.4f}, Var: {var:.4f}')

这个循环将训练我们的GNN的100个世代，如果我们的验证得分连续7个世代没有增长的话，它将提前停止训练。
结论
总之，GNN是一类有趣的神经网络。今天，人们已经开发出了一些现成的工具来帮助我们开发这种解决方案。正如您在本文中所见到的，借助Pytorch Geometric和OGB这两个库就可以轻松实现某些类型的图的GNN设计。

原文来自：