前言

博客大部分都是搬运文档，是文档的翻译版，没什么意思。精细的内容还要结合文档去看。
这个只是给你大致概念，不至于看文档看的头昏眼花，不是手把手教。
文档：
https://pytorch-geometric.readthedocs.io/en/latest/notes/introduction.html

一针见血

数据集有两种，一个只存一个图的ImMemory类型，另一个是要存多个图DataSet的，需要额外实现len和get函数。
ImMemory要实现的基本上就是官网给的：

import torch
from torch_geometric.data import InMemoryDataset


class MyOwnDataset(InMemoryDataset):
    def __init__(self, root, transform=None, pre_transform=None):
        super(MyOwnDataset, self).__init__(root, transform, pre_transform)
        self.data, self.slices = torch.load(self.processed_paths[0])

    @property
    def raw_file_names(self):
        return ['some_file_1', 'some_file_2', ...]

    @property
    def processed_file_names(self):
        return ['data.pt']

    def download(self):
        # Download to `self.raw_dir`.

    def process(self):
        # Read data into huge `Data` list.
        data_list = [...]

        if self.pre_filter is not None:
            data_list = [data for data in data_list if self.pre_filter(data)]

        if self.pre_transform is not None:
            data_list = [self.pre_transform(data) for data in data_list]

        data, slices = self.collate(data_list)
        torch.save((data, slices), self.processed_paths[0])

另一种无非再在继承类那地方改成torch_geometric.data.Dataset，继承这个类就是了，外加重写两个函数

	 def len(self):
        return len(self.processed_file_names)

    def get(self, idx):
        data = torch.load(osp.join(self.processed_dir, 'data_{}.pt'.format(idx)))
        return data

函数名称用途

• download写怎么获得raw的dataset，显然我们要自定义数据集，往往是在本地就有的，这个可以直接pass return
• raw_file_names这个函数给出多张graph所存的路径，假设有graph a，graph b，那么这里return的就应当是两幅图对应的文件名。
• processed_paths写处理所有graph过后所存的路径，道理同raw_file_names
• process处理数据，成规定格式。

规定的什么格式？

from torch_geometric.data import Data这个Data类型，就是你要处理成的格式。
一下内容可以在Data.py里面找到内容，我只是大体提一下。

人家必须要有的属性是：

• y: label就是了，直接给one hot或者给数字类型的都行。
• x: 节点属性
• edge_index: 边关系，可以多种，一种是(id,id)的列表，一种是邻接表。都行。
  处理出来以上数据后，可以直接

# contiguous这个是(id,id)这种方式需要加的
graph=Data(x=features,edge_index=network.t().contiguous(),y=labels)

这样一个基本的graph的Data就完成了。
但其实还可以加其他的属性，就直接在他后面加就行：

# 加train_idx
train_idx = torch.tensor([id2inter_id[idx] for idx in herb_with_label_id], dtype=torch.long)
graph=Data(x=features,edge_index=network.t().contiguous(),y=labels)
graph.train_idx = train_idx

实现完自己的数据集运行后会出现什么？

会直接出现这些，processed就是存放运行process函数后的数据，raw是原始数据。

函数的执行

他首先会判断，在参数root路径下存不存在raw和processed两个路径，raw中存不存在raw_paths中给出的raw data，如果没有，他会调用down_load函数给你下载。
想要不进行download，那么要保证raw文件里一定存在你raw path里面返回的文件名。
这里举个例子：
假设我要使用现有的AMiner这个数据集，但是数据是dropbox的，网上不了。我要手动下下来之后使用。
首先我确定这个数据集存在哪里。然后，在这个目录新建dir AMiner，在AMiner下面新建raw和processed，如图：

然后进入源码查看所需的raw有什么：

然后通过download函数，找到url，下载（并解压）后，全部放到raw那个目录里面。

注意：如果没有全部放进去，那么代码会把raw目录整个删除！
接下来的就可以直接使用了，process函数也会把数据存入processed，往后不再赘述。

想要不进行processed直接去加载到内存不进行保存，这个未完待续。

最后再给个我自己用的例子

import torch
import pickle
from torch_geometric.data import InMemoryDataset, Data

class TCMDataSet(InMemoryDataset):
    def __init__(self,root,name,feature_size,transform=None,pre_transform=None):
        self.feature_size=feature_size
        print(f'feature size: {feature_size}')

        super(TCMDataSet, self).__init__(root, transform, pre_transform)
        self.data, self.slices = torch.load(self.processed_paths[0])

    @property
    def raw_file_names(self):
        return ['tcm_dataset.pt',]

    @property
    def processed_file_names(self):
        return ['tcm_dataset.pt',]

    def download(self):
        pass

    def process(self):

        # do processing, get x, y, edge_index ready.   

        graph=Data(x=features,edge_index=network.t().contiguous(),y=labels)
        train_idx = torch.tensor([id2inter_id[idx] for idx in herb_with_label_id], dtype=torch.long)
        #加入新的属性
        graph.train_idx = train_idx

        if self.pre_filter is not None:
            graph = [data for data in graph if self.pre_filter(data)]

        if self.pre_transform is not None:
            graph = [self.pre_transform(data) for data in graph]

        data, slices = self.collate([graph])
        torch.save((data, slices), self.processed_paths[0])