PyTorch Geometricでグラフ学習の実験を組み立てる

DataとHeteroDataが入力を決める

PyGは構造化データ向けのGNNをPyTorch上で書くライブラリです。READMEのQuick TourではCoraデータセットを読み込み、GCNConvを使った2層GCNで論文の引用グラフを分類します。グラフをDataとして保持し、ノード特徴、edge_index、ラベルなどをテンソルとして学習ループへ渡す構成です。

大きな単一グラフだけでなく、多数の小さなグラフのミニバッチも扱えます。異なるノード型とエッジ型を含む異種グラフにはHeteroDataを使う考え方があり、変換とローダーが入力処理の中心になります。自分のデータを移すときは、孤立ノード、自己ループ、特徴のshape、ラベルの分割を先に照合します。

pip install torch_geometric、Cora、GCNConv、Data、HeteroData、torch.compile、DirectRunnerではなくPyTorchの実行結果を一度に全部採用せず、1番目の確認では入力、処理、出力、失敗時の表示を分けて記録します。READMEにある名称と手元で実行した版を同じ記録へ残し、画面の成功表示だけで完了としません。設定を変更した場合は変更前の値、実行日時、生成物、ログの該当行を保存し、同じ入力を戻して比較します。

MessagePassingでモデルを拡張する

PyGのAPIは通常のPyTorchに近いテンソル中心の設計を掲げ、GCNConvなどの演算子を組み合わせます。メッセージパッシングAPIは近傍から情報を集約してノード表現を更新するモデルの骨格を提供し、公開論文に基づく多数のGNNアーキテクチャが実装されています。

既存モデルの構造を変えたい場合は、レイヤーの入力と出力、edge_attrの扱い、aggregationの規則を小さなグラフで検査します。READMEの「10〜20行で開始できる」という説明は入門の目安であり、巨大グラフのメモリ使用量や学習時間を示すベンチマークではありません。

pip install torch_geometric、Cora、GCNConv、Data、HeteroData、torch.compile、DirectRunnerではなくPyTorchの実行結果を一度に全部採用せず、2番目の確認では入力、処理、出力、失敗時の表示を分けて記録します。READMEにある名称と手元で実行した版を同じ記録へ残し、画面の成功表示だけで完了としません。設定を変更した場合は変更前の値、実行日時、生成物、ログの該当行を保存し、同じ入力を戻して比較します。

ローダーと変換が実データを支える

データセットには共通インターフェースがあり、既存ベンチマークや独自データセットを同じ方向で扱えるとREADMEは説明します。データ処理、変換、ロードを担うストレージ層に加え、グラフ、3Dメッシュ、点群向けのtransformsがあります。

mini-batch loaderは多数の小グラフと単一の巨大グラフで役割が異なります。サンプルを作る際は、loaderが返すbatchの境界、ノード数、エッジ数、ラベル型を出力し、変換前後で学習対象が変わっていないかを確認します。データセットの取得元とライセンスは個別に確認する必要があります。

pip install torch_geometric、Cora、GCNConv、Data、HeteroData、torch.compile、DirectRunnerではなくPyTorchの実行結果を一度に全部採用せず、3番目の確認では入力、処理、出力、失敗時の表示を分けて記録します。READMEにある名称と手元で実行した版を同じ記録へ残し、画面の成功表示だけで完了としません。設定を変更した場合は変更前の値、実行日時、生成物、ログの該当行を保存し、同じ入力を戻して比較します。

GPUとcompileの適用範囲

PyGはmulti GPU support、torch.compile support、DataPipe supportをREADMEで挙げています。これは実行経路の候補を示すもので、すべての演算子、データセット、GPU構成で同じ結果や速度になるという意味ではありません。

Directな小規模学習を基準にしてから、同じseedとbatch設定でGPU、複数GPU、torch.compileを順に試します。出力テンソル、損失の推移、メモリ使用量、compile時の警告を保存してください。対応していない演算子があるか、素材だけからは断定できません。

pip install torch_geometric、Cora、GCNConv、Data、HeteroData、torch.compile、DirectRunnerではなくPyTorchの実行結果を一度に全部採用せず、4番目の確認では入力、処理、出力、失敗時の表示を分けて記録します。READMEにある名称と手元で実行した版を同じ記録へ残し、画面の成功表示だけで完了としません。設定を変更した場合は変更前の値、実行日時、生成物、ログの該当行を保存し、同じ入力を戻して比較します。

PyGの採用判断をCoraから始める

インストール後はREADMEのCora例をそのまま動かし、GCNConvを含むモデルが学習し、検証用の分類値が再現するかを確認します。次に自分のDataまたはHeteroDataへ差し替え、特徴shapeとedge_indexの整合を検査します。

MITライセンスであることは再利用の条件を確認する材料です。PyTorchの版、CUDA、追加依存関係、実データの規模、利用するモデルが揃った時点で判断し、READMEにない精度やスケールをプロジェクトの実績として扱わないでください。

pip install torch_geometric、Cora、GCNConv、Data、HeteroData、torch.compile、DirectRunnerではなくPyTorchの実行結果を一度に全部採用せず、5番目の確認では入力、処理、出力、失敗時の表示を分けて記録します。READMEにある名称と手元で実行した版を同じ記録へ残し、画面の成功表示だけで完了としません。設定を変更した場合は変更前の値、実行日時、生成物、ログの該当行を保存し、同じ入力を戻して比較します。

採用を決める記録には、対象機能を使わなかった場合の代替結果も残します。入力を小さくした場合に成功しても、実際のデータ量、権限、保存先、実行先が変われば同じ結論にはなりません。READMEが説明していない保証は未確認として扱い、確認できた出力と確認できなかった項目を分けて判断します。

編集部の結論

PyGは、既にPyTorchを使い、ノードやエッジを持つデータを研究用モデルへ組み込みたい人に合います。通常の表形式の学習だけを行う用途には選択理由が薄く、READMEの対応範囲を性能保証と解釈するのも不適切です。最初にpip install torch_geometricを実行し、Coraの2層GCN、Dataオブジェクト、学習損失、torch.compileの有無を同じ環境で比較してください。

公式情報源

1. Official documentation
2. Official README
3. Project repository
4. Release notes