wehub-resource-sync
89 lines
4.1 KiB
ReStructuredText
89 lines
4.1 KiB
ReStructuredText
.. _guide_cn-graph-graphs-nodes-edges:
|
||
|
||
1.2 图、节点和边
|
||
--------------
|
||
|
||
:ref:`(English Version)<guide-graph-graphs-nodes-edges>`
|
||
|
||
DGL使用一个唯一的整数来表示一个节点，称为点ID；并用对应的两个端点ID表示一条边。同时，DGL也会根据边被添加的顺序，
|
||
给每条边分配一个唯一的整数编号，称为边ID。节点和边的ID都是从0开始构建的。在DGL的图里，所有的边都是有方向的，
|
||
即边 :math:`(u, v)` 表示它是从节点 :math:`u` 指向节点 :math:`v` 的。
|
||
|
||
对于多个节点，DGL使用一个一维的整型张量（如，PyTorch的Tensor类，TensorFlow的Tensor类或MXNet的ndarray类）来保存图的点ID，
|
||
DGL称之为"节点张量"。为了指代多条边，DGL使用一个包含2个节点张量的元组 :math:`(U, V)` ，其中，用 :math:`(U[i], V[i])` 指代一条
|
||
:math:`U[i]` 到 :math:`V[i]` 的边。
|
||
|
||
创建一个 :class:`~dgl.DGLGraph` 对象的一种方法是使用 :func:`dgl.graph` 函数。它接受一个边的集合作为输入。DGL也支持从其他的数据源来创建图对象。
|
||
读者可参考 :ref:`guide_cn-graph-external`。
|
||
|
||
下面的代码段使用了 :func:`dgl.graph` 函数来构建一个 :class:`~dgl.DGLGraph` 对象，对应着下图所示的包含4个节点的图。
|
||
其中一些代码演示了查询图结构的部分API的使用方法。
|
||
|
||
.. figure:: https://data.dgl.ai/asset/image/user_guide_graphch_1.png
|
||
:height: 200px
|
||
:width: 300px
|
||
:align: center
|
||
|
||
.. code::
|
||
|
||
>>> import dgl
|
||
>>> import torch as th
|
||
|
||
>>> # 边 0->1, 0->2, 0->3, 1->3
|
||
>>> u, v = th.tensor([0, 0, 0, 1]), th.tensor([1, 2, 3, 3])
|
||
>>> g = dgl.graph((u, v))
|
||
>>> print(g) # 图中节点的数量是DGL通过给定的图的边列表中最大的点ID推断所得出的
|
||
Graph(num_nodes=4, num_edges=4,
|
||
ndata_schemes={}
|
||
edata_schemes={})
|
||
|
||
>>> # 获取节点的ID
|
||
>>> print(g.nodes())
|
||
tensor([0, 1, 2, 3])
|
||
>>> # 获取边的对应端点
|
||
>>> print(g.edges())
|
||
(tensor([0, 0, 0, 1]), tensor([1, 2, 3, 3]))
|
||
>>> # 获取边的对应端点和边ID
|
||
>>> print(g.edges(form='all'))
|
||
(tensor([0, 0, 0, 1]), tensor([1, 2, 3, 3]), tensor([0, 1, 2, 3]))
|
||
|
||
>>> # 如果具有最大ID的节点没有边，在创建图的时候，用户需要明确地指明节点的数量。
|
||
>>> g = dgl.graph((u, v), num_nodes=8)
|
||
|
||
对于无向的图，用户需要为每条边都创建两个方向的边。可以使用 :func:`dgl.to_bidirected` 函数来实现这个目的。
|
||
如下面的代码段所示，这个函数可以把原图转换成一个包含反向边的图。
|
||
|
||
.. code::
|
||
|
||
>>> bg = dgl.to_bidirected(g)
|
||
>>> bg.edges()
|
||
(tensor([0, 0, 0, 1, 1, 2, 3, 3]), tensor([1, 2, 3, 0, 3, 0, 0, 1]))
|
||
|
||
.. note::
|
||
|
||
由于Tensor类内部使用C来存储，且显性定义了数据类型以及存储的设备信息，DGL推荐使用Tensor作为DGL API的输入。
|
||
不过大部分的DGL API也支持Python的可迭代类型(比如列表)或numpy.ndarray类型作为API的输入，方便用户快速进行开发验证。
|
||
|
||
DGL支持使用 :math:`32` 位或 :math:`64` 位的整数作为节点ID和边ID。节点和边ID的数据类型必须一致。如果使用 :math:`64` 位整数，
|
||
DGL可以处理最多 :math:`2^{63} - 1` 个节点或边。不过，如果图里的节点或者边的数量小于 :math:`2^{31} - 1` ，用户最好使用 :math:`32` 位整数。
|
||
这样不仅能提升速度，还能减少内存的使用。DGL提供了进行数据类型转换的方法，如下例所示。
|
||
|
||
.. code::
|
||
|
||
>>> edges = th.tensor([2, 5, 3]), th.tensor([3, 5, 0]) # 边：2->3, 5->5, 3->0
|
||
>>> g64 = dgl.graph(edges) # DGL默认使用int64
|
||
>>> print(g64.idtype)
|
||
torch.int64
|
||
>>> g32 = dgl.graph(edges, idtype=th.int32) # 使用int32构建图
|
||
>>> g32.idtype
|
||
torch.int32
|
||
>>> g64_2 = g32.long() # 转换成int64
|
||
>>> g64_2.idtype
|
||
torch.int64
|
||
>>> g32_2 = g64.int() # 转换成int32
|
||
>>> g32_2.idtype
|
||
torch.int32
|
||
|
||
相关API：:func:`dgl.graph`、 :func:`dgl.DGLGraph.nodes`、 :func:`dgl.DGLGraph.edges`、 :func:`dgl.to_bidirected`、
|
||
:func:`dgl.DGLGraph.int`、 :func:`dgl.DGLGraph.long` 和 :py:attr:`dgl.DGLGraph.idtype`。
|