wehub-resource-sync
74 lines
2.8 KiB
ReStructuredText
74 lines
2.8 KiB
ReStructuredText
.. _guide_ko-data-pipeline-loadogb:
|
|
|
|
4.5 ``ogb`` 패키지를 사용해서 OGB 데이터셋들 로드하기
|
|
-------------------------------------------
|
|
|
|
:ref:`(English Version) <guide-data-pipeline-loadogb>`
|
|
|
|
`Open Graph Benchmark (OGB) <https://ogb.stanford.edu/docs/home/>`__ 은 벤치마킹 데이터셋의 모음이다. 공식 OGB 패키지 `ogb <https://github.com/snap-stanford/ogb>`__ 는 OBG 데이터셋들을 다운로드해서 :class:`dgl.data.DGLGraph` 객체로 프로세싱하는 API들을 제공한다. 이 절은 기본적인 사용법을 설명한다.
|
|
|
|
우선 obg 패키지를 pip 명령으로 설치한다.
|
|
|
|
.. code::
|
|
|
|
pip install ogb
|
|
|
|
다음 코드는 *Graph Property Prediction* 테스크를 위한 데이터셋 로딩 방법을 보여준다.
|
|
|
|
.. code::
|
|
|
|
# Load Graph Property Prediction datasets in OGB
|
|
import dgl
|
|
import torch
|
|
from ogb.graphproppred import DglGraphPropPredDataset
|
|
from dgl.dataloading import GraphDataLoader
|
|
|
|
|
|
def _collate_fn(batch):
|
|
# batch is a list of tuple (graph, label)
|
|
graphs = [e[0] for e in batch]
|
|
g = dgl.batch(graphs)
|
|
labels = [e[1] for e in batch]
|
|
labels = torch.stack(labels, 0)
|
|
return g, labels
|
|
|
|
# load dataset
|
|
dataset = DglGraphPropPredDataset(name='ogbg-molhiv')
|
|
split_idx = dataset.get_idx_split()
|
|
# dataloader
|
|
train_loader = GraphDataLoader(dataset[split_idx["train"]], batch_size=32, shuffle=True, collate_fn=_collate_fn)
|
|
valid_loader = GraphDataLoader(dataset[split_idx["valid"]], batch_size=32, shuffle=False, collate_fn=_collate_fn)
|
|
test_loader = GraphDataLoader(dataset[split_idx["test"]], batch_size=32, shuffle=False, collate_fn=_collate_fn)
|
|
|
|
*Node Property Prediction* 데이터셋을 로딩하는 것이 비슷하지만, 이런 종류의 데이터셋은 오직 한 개의 그래프 객체만 존재한다는 것이 다름을 유의하자.
|
|
|
|
.. code::
|
|
|
|
# Load Node Property Prediction datasets in OGB
|
|
from ogb.nodeproppred import DglNodePropPredDataset
|
|
|
|
dataset = DglNodePropPredDataset(name='ogbn-proteins')
|
|
split_idx = dataset.get_idx_split()
|
|
|
|
# there is only one graph in Node Property Prediction datasets
|
|
g, labels = dataset[0]
|
|
# get split labels
|
|
train_label = dataset.labels[split_idx['train']]
|
|
valid_label = dataset.labels[split_idx['valid']]
|
|
test_label = dataset.labels[split_idx['test']]
|
|
|
|
*Link Property Prediction* 데이터셋 역시 데이터셋에 한개의 그래프를 갖고 있다.
|
|
|
|
.. code::
|
|
|
|
# Load Link Property Prediction datasets in OGB
|
|
from ogb.linkproppred import DglLinkPropPredDataset
|
|
|
|
dataset = DglLinkPropPredDataset(name='ogbl-ppa')
|
|
split_edge = dataset.get_edge_split()
|
|
|
|
graph = dataset[0]
|
|
print(split_edge['train'].keys())
|
|
print(split_edge['valid'].keys())
|
|
print(split_edge['test'].keys())
|