PyTorch Geometric：图数据处理与神经网络模块详解

# PyTorch Geometric
## data 模块
### 图数据定义和管理
#### 节点特征管理
#### 边特征管理
#### 图结构管理
### 异构图数据定义和管理
#### 节点类型管理
#### 边类型管理
#### 异构图转换
## datasets 模块
### 主流数据集封装
#### Cora 数据集
#### PubMed 数据集
#### Citeseer 数据集
### 多种公开数据集加载
#### Reddit 数据集
#### PPI 数据集
#### QM9 数据集
## nn模块
### 基本层
#### 图卷积层 (GNN)
#### 自注意力层 (GAT)
### 聚合操作
#### 归一化聚合
#### 线性聚合
### 正则化操作
#### Dropout
#### L2 正则化
### 模块化模型
#### 可重用模型构建
#### 组件组合
## transforms模块
### 数据变换操作
#### 随机打乱
#### 增强技术
### 增加自环
#### 自环的作用
#### 自环处理方法
### 归一化处理
#### 特征标准化
#### 归一化方法选择
### 生成特征
#### 特征工程
#### 图特征生成方法
## loader模块
### 批量加载数据
#### 数据批处理
#### 批量训练支持
### 采样方法
#### 随机采样
#### 分层抽样
### 场景加载器
#### 推理场景加载
#### 训练场景加载
## sampler模块
### 邻居采样
#### 重要性采样
#### 局部邻居采样
### 边采样
#### 边随机采样
#### 边重要性采样
## utils模块
### 常用图操作函数
#### 图连接函数
#### 图遍历函数
### 图归并
#### 合并相似图
#### 图简化
### 节点采样
#### 随机节点采样
#### 重要性节点采样
### 自环操作
#### 自环创建
#### 自环效果分析
## profile模块
### 性能分析工具
#### 性能监控
#### 性能瓶颈定位
### 统计内存
#### 内存使用情况
#### 内存分配分析
### 时间统计
#### 训练时间统计
#### 推理时间统计
## explain模块
### 可解释性研究
#### 特征重要性评估
#### 模型可解释性方法