Datawhale 图神经网络 Task01简单图论与环境配置与PyG库

1.简单图论

用neo4j生成了一张图用以简单的了解图以及其背后的知识。
首先，这张图有两种元素构成，节点和边，对应的就是实体和关系。
然后节点油分为两类，一类是人，另一类是电影。
图其实就是把语言以图的形式表现出来，重点是强调各个个体之间的关系，在这个万物互联的时代，图显得更加贴切实际了。
自然而然的想到，图会包含节点属性，边属性，行走连同等等方面的特点，这都是为了充分考虑图的特性。
当我们把自然语言或者实际情况表现成图之后，接下来就是要把图以最简单的数字语言表达出来，这又回到了矩阵，图的矩阵为邻接矩阵，为了防止数据发散，一开始就使用了归一化进行操作。

2.环境配置

“工欲善其事，必先厉其器”。
先来讲环境配置吧，为了学习图神经网络，我主要完成了三个环境的配置，分别是linux中的neo4j,linux中的pytorch,win中的pytorch。linux的环境配置是在最近买的阿里云轻量级服务器里，然后用网页浏览器登录即可实现对neo4j和pytorch的操作，win的配置就是笔记本电脑。
linux的neo4j:
知识图谱neo4j安装及python调用
网页使用效果：

linux的pytorch配置
主要参照pytorch和torch-geometry官网的安装方法，
pytorch
torch-geometric
我是在pip install torch-geometric时出了问题，幸好得到群友的帮助，先pip install pytest-runner然后就可以安装torch-geometric了，虽然不知道为什么，win中是没有这个操作的，但是还是觉得很厉害。

与neo4j相似，阿里云服务器后台运行jupyter notebook。就可以随时随地远程登录私有的jupyter notebook，并且不害怕电脑跑发烫，爽歪歪。

nohup jupyter notebook --allow-root > jupyter.log 2>&1 &

效果如下：

win的pytorch配置
相比较而言，win的pytorch配置省心很多，类似linux的pytorch配置，一步步来就可以了。
但是，还是有但是……
我在调用函数的时候一不小心又掉坑里了……
哈哈编程的快乐也许就是掉坑和爬坑吧……
具体是这样的，运行如下的代码，
报了“UnpicklingError: invalid load key, ‘<’.”的错误，查来查去，原来是我的路径中有下划号** _ **

from torch_geometric.datasets import Planetoid
dataset = Planetoid(root='Cora', name='Cora')

3.PyG库

标签：配置,win,torch,Datawhale,pytorch,linux,Task01,neo4j,PyG
来源： https://blog.csdn.net/Andrew_zjc/article/details/117914736