图神经网络学习task1(图论与程序中图的操作)

一、 本阶段学习任务时间：3天
二、 本阶段学习内容：图论与程序中图的操作

1. 我们将首先学习简单图论知识、了解常规的图预测任务；
2. 然后学习基于PyG包的图数据的表示与使用；
   三、学习总结
   本阶段主要内容是需要熟悉图神经网络的基础知识，这些知识基本上在大学计算机专业课程离散数学中有过接触，本人前期也学习过一些图的基本知识，因此这部分内容相对容易。
3. 主要图的基础知识包括：图的定义、邻接矩阵、节点的度、邻接节点、路径、连通分量、子图、最短路径、拉普拉斯矩阵
4. 图的种类：
   同质图：只有一种类型的节点和一种类型的边的图
   异质图：存在多种类型的节点和多种类型的边的图。
   二部图：节点分为两类，只有不同类的节点之间存在边。
5. 图结构数据上的机器学习 ：节点预测、边预测、图的预测、节点聚类。。。。。。
   不熟悉的可以参照网站：
   https://github.com/datawhalechina/team-learning-nlp/blob/master/GNN/Markdown%E7%89%88%E6%9C%AC/2-%E7%AE%80%E5%8D%95%E5%9B%BE%E8%AE%BA.md
6. 系统配置的安装
   这是本次学习任务的重点，环境配置成功与否和下一步学习是否能够顺利进行息息相关。
   本人电脑GPU配置成功完成，参照的教程如下网站：
   https://aistudio.baidu.com/aistudio/projectdetail/696822
   配置成功后，命令行下输入：
   nvidia-smi
   
   根据电脑GPU的配置，在anaconda环境中创建虚拟环境，然后
   conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch命令按照pytorch。
   然后安装PyG
   pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-1.8.0+cu101.html
   pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-1.8.0+cu101.html
   pip install torch-cluster -f https://pytorch-geometric.com/whl/torch-1.8.0+cu101.html
   pip install torch-spline-conv -f https://pytorch-geometric.com/whl/torch-1.8.0+cu101.html
   pip install torch-geometric
   至此为止，系统配置完成。ok!
7. Data类和Dataset类的学习。
   主要学习内容参见网站：
   https://github.com/datawhalechina/team-learning-nlp/blob/master/GNN/Markdown%E7%89%88%E6%9C%AC/3-%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AE%E4%B8%8EPyG%E5%BA%93.md
   6.作业
   请通过继承Data类实现一个类，专门用于表示“机构-作者-论文”的网络。该网络包含“机构“、”作者“和”论文”三类节点，以及“作者-机构“和“作者-论文“两类边。对要实现的类的要求：1）用不同的属性存储不同节点的属性；2）用不同的属性存储不同的边（边没有属性）；3）逐一实现获取不同节点数量的方法。
   实现方法：通过继承torch_geometric.data的Data类实现，定义自身的属性和方法。
   from torch_geometric.data import Data
   class Mydata(Data):
   def init(self,organization, author, paper, ao_edge_index, ao_edge_attr, ap_edge_index, ap_edge_attr,y, **kwargs):
   super().init(**kwargs)
   self.organization=organization
   self.author=author
   self.paper=paper
   self.ao_edge_index=ao_edge_index
   self.ap_edge_index=ap_edge_index
   self.y=y
   @property
   def num_organization_nodes(self):
   return self.organization.shape[0]