简介

ogb 是 Open Graph Benchmark 的缩写，它是一个用于图机器学习的大规模基准库。ogb 提供了多种真实世界数据集以及评估器（evaluator），旨在促进图机器学习领域的发展和标准化评估方法的应用。该库特别适合于研究者、工程师和学生用来测试新的算法和技术，并确保这些技术在实际应用中具有竞争力。官网：https://ogb.stanford.edu/。该包斯坦福开发，源自论文：Open Graph Benchmark: Datasets for Machine Learning on Graphs。

主要特点

• 多样化的真实世界数据集：涵盖了不同类型的图数据集，包括节点分类、边预测和图分类任务。
• 标准评估协议：为每个数据集提供了具体的评估指标和分割策略，确保结果的可比性。
• 兼容性强：支持流行的图学习框架如 PyTorch Geometric 和 DGL（Deep Graph Library），便于集成到现有的工作流中。
• 持续更新：随着新数据集和挑战的出现，OGB 不断扩展其内容，保持前沿性。

数据集

那么其包含了哪些数据集呢？

从上图可以看到，其包含了来自不同领域，不同数量级，不同任务的数据集。

下载

conda install ogb
#或者
pip install ogb

使用示例

其开发了一个包，名字叫做ogb，并且提供了接口给两大最流行的图神经网络库：DGL和PyG。

例如如果我们要做节点分类这个任务，可以如下使用ogb提供的基准数据集，

如果你使用DGL库：

import dgl
import torch
from ogb.nodeproppred import DglNodePropPredDataset#即node property prediction
dataset = DglNodePropPredDataset(name = d_name)#使用节点分类具体哪一个数据集。

如果你使用PyG库：

import torch_geometric
import torch
from ogb.nodeproppred import PygNodePropPredDataset
dataset = PygNodePropPredDataset(name = d_name)#使用节点分类具体哪一个数据集。

至于再接下来怎么用，那就是DGL和PyG的事情了，就是操作这个dataset即可。

那么问题是这些name有哪些选项呢？也就是说，哪里找这些数据集的名字，当然是官网喽。

不如我们要找节点分类的数据集有哪些：

https://ogb.stanford.edu/docs/nodeprop/#dgl
如下，这些name表示我们都可以用。

以下是一个简单的例子，展示了如何加载并使用 OGB 数据集进行节点分类任务：

from ogb.nodeproppred import NodePropPredDataset
import torch

# 加载数据集
dataset = NodePropPredDataset(name='ogbn-arxiv')

# 获取图数据和标签
graph, labels = dataset[0]  # graph: 图结构；labels: 节点标签

# 获取训练/验证/测试集索引
split_idx = dataset.get_idx_split()
train_idx, valid_idx, test_idx = split_idx["train"], split_idx["valid"], split_idx["test"]

# 示例：打印一些基本信息
print('Number of nodes:', graph['num_nodes'])
print('Number of edges:', len(graph['edge_index'][0]))
print('Number of features per node:', graph['node_feat'].shape[1])
print('Number of classes:', dataset.num_classes)

# 假设你有一个模型 model 并想要训练它
# 这里只是一个伪代码示例
model = ...  # 定义你的模型
optimizer = torch.optim.Adam(model.parameters(), lr=0.01)
for epoch in range(100):
    model.train()
    optimizer.zero_grad()
    out = model(graph['node_feat'], graph['edge_index'])
    loss = criterion(out[train_idx], labels[train_idx].squeeze(1))
    loss.backward()
    optimizer.step()