编程智能体与代码 · 工具介绍
PyTorch Geometric
PyTorch Geometric（PyG）基于 PyTorch 提供图神经网络开发与训练能力，包含图学习模型、消息传递接口和图数据处理组件。
PyTorch Geometric 能做什么
PyTorch Geometric（PyG）基于 PyTorch 提供图神经网络开发与训练能力，包含图学习模型、消息传递接口和图数据处理组件。
- 模型训练与部署
如何使用 PyTorch Geometric
训练一个引用图论文分类模型
准备输入
- 用于节点分类的 Cora 图数据和训练节点掩码。
- 已安装 PyTorch 与 PyG 的 Python 环境。
操作步骤
- 安装 PyG，使用 Planetoid 加载 Cora 数据集，检查节点特征和边连接结构。
- 用两层 GCNConv 构造图卷积模型，按数据集的特征数量和类别数量设置输入输出。
- 在训练循环中计算节点预测，仅对训练掩码内节点计算交叉熵并更新参数；完成后再独立评估模型表现。
预期交付物
- 用于图节点分类的已训练 GCN 模型。
示例训练损失只使用训练掩码内节点，训练结束仍需单独评估泛化表现；某些高级图操作还需要额外扩展包，应核对所用功能的依赖。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从编程智能体与代码角度评估PyTorch Geometric
把编程智能体与代码需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
能否读懂上下文
确认工具能够读取所需目录，且不会引入不必要的资料。
改动是否可审查
优先能展示差异、保留原文件和逐步验证的工作方式。
测试能否说明问题
测试应覆盖用户可见行为，不只证明代码能运行。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
