CSDN独家 | 全网首发 | Pytorch深度学习·理论篇(2023版)目录本专栏将通过系统的深度学习实例，从可解释性的角度对深度学习的原理进行讲解与分析，通过将深度学习知识与Pytorch的高效结合，帮助各位新入门的读者理解深度学习各个模板之间的关系，这些均是在Pytorch上实现的，可以有效的结合当前各位研究生的研究方向，设计人工智能的各个领域，是经过一年时间打磨的精品专栏！https://v9999.blog.csdn.net/article/details/127587345欢迎大家订阅(2023版)理论篇
以下为2021版原文~~~~
1 DGLGraph图的创建与维护 1.1 生成DGLGraph图并且增加顶点与边 import dglimport torch as th# 边 0->1, 0->2, 0->3, 1->3u, v = th.tensor([0, 0, 0, 1]), th.tensor([1, 2, 3, 3])g = dgl.graph((u, v))print(g) # 图中节点的数量是DGL通过给定的图的边列表中最大的点ID推断所得出的# 获取节点的IDprint(g.nodes())# 获取边的对应端点print(g.edges())# 获取边的对应端点和边IDprint(g.edges(form='all'))# 如果具有最大ID的节点没有边，在创建图的时候，用户需要明确地指明节点的数量。g = dgl.graph((u, v), num_nodes=8) 1.2 获得DGLGraph图的顶点与边 import dglimport networkx as nximport matplotlib.pyplot as pltimport matplotlib as mplmpl.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文字符mpl.rcParams['font.family'] = 'STSong'mpl.rcParams['font.size'] = 40g_dgl = dgl.DGLGraph() # 生成一个空图g_dgl.add_nodes(4) # 增加四个顶点g_dgl.add_edges(list(range(4)),[0]*4) # 增加四条边print("顶点",g_dgl.nodes()) # 输出顶点列表print("边:",g_dgl.edges()) # 输出边print("边索引",g_dgl.edge_id(1,0)) # 输出边索引print("边属性",g_dgl.edges[g_dgl.edge_id(1,0)]) # 输出边属性
顶点 tensor([0, 1, 2, 3]) 边: (tensor([0, 1, 2, 3]), tensor([0, 0, 0, 0])) 边索引 1 边属性 EdgeSpace(data={})
1.3 删除DGLGraph图的顶点与边 g_dgl.remove_edges(i) # 删除索引值为i的边print(g_dgl.number_of_edges()) # 输出图的边数 1.4 清空DGLGraph图 g_dgl.clear() # 清空图内容 2 查看DGLGraph图中的度DGLGraph图按照边的方向将度分为两种：连接其他顶点的度（out）和被其他顶点连接的度。
in_degree：查询指定顶点被连接的边数。in_degrees：查询多个顶点被连接的边数，默认查询图中的全部顶点。out_degree：查询指定顶点连接其他顶点的边数。out_degrees：查询多个顶点连接其他顶点的边数，默认查询图中的全部顶点。2.1 代码实战：查看DGLGraph图中的度 import dglimport networkx as nximport matplotlib.pyplot as pltimport matplotlib as mplmpl.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文字符mpl.rcParams['font.family'] = 'STSong'mpl.rcParams['font.size'] = 40g_dgl = dgl.DGLGraph() # 生成一个空图g_dgl.add_nodes(4) # 增加四个顶点g_dgl.add_edges(list(range(4)),[0]*4) # 增加四条边print(g_dgl.in_degree(0)) # 查询连接0顶点的度，输出：4print(g_dgl.in_degrees([0,1])) # 查询连接0，1顶点的度，输出：tensor([4, 0])print(g_dgl.in_degrees()) # 查询全部顶点被连接的度，输出：tensor([4, 0, 0, 0])print(g_dgl.out_degrees()) # 查询全部顶点向外连接的度，输出：tensor([1, 1, 1, 1]) 3 DGLGraph图与NetWorkx图的相互转化DGLGraph类在NetWorkx模块之上进行扩展
3.1 将DGLGraph图转成NetWorkx图并显示将DGLGraph图转成NetWorkx图后便可以借助NetWorkx图的显示功能来可视化其内部结构。
import dglimport networkx as nximport matplotlib.pyplot as pltimport matplotlib as mplmpl.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文字符mpl.rcParams['font.family'] = 'STSong'mpl.rcParams['font.size'] = 40import osos.environ['KMP_DUPLICATE_LIB_OK'] = 'True'g_dgl = dgl.DGLGraph() # 生成一个空图g_dgl.add_nodes(4) # 增加四个顶点g_dgl.add_edges(list(range(4)),[0]*4) # 增加四条边nx.draw(g_dgl.to_networkx(),with_labels=True) # 先调用to_networkx()方法，将DGLGraph图转成NetWorkx图，再调用NeWorkx的draw()方法进行显示。#### Networkx库中对图的可视化没有自环图的功能 3.2 利用NetWorkx图创建DGLGraph图DGLGraph图可以从NetWorkx图中转化而来。
3.2.1 代码实战：利用NetWorkx图创建DGLGraph图先调用dgl.DGLGraph()将NetWorkx图转化为DGLGraph图，再调用了DGLGraph图对象的to_networkx()方法，将DGLGraph图转换为NetWorkx图显示。
import dglimport networkx as nximport matplotlib.pyplot as pltimport matplotlib as mplmpl.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文字符mpl.rcParams['font.family'] = 'STSong'mpl.rcParams['font.size'] = 40import osos.environ['KMP_DUPLICATE_LIB_OK'] = 'True'g_nx = nx.petersen_graph() # 创建一个Networkx类型的无向图peterseng_dgl = dgl.DGLGraph(g_nx) # 将Networkx类型转化为DGLGraphplt.figure(figsize=(20,6))plt.title("Networkx无向图",fontsize=20)nx.draw(g_nx,with_labels=True)plt.subplots(122)plt.title("DGL有向图",fontsize=20)nx.draw(g_dgl.to_networkx(),with_labels=True) # 将DGLGraph转化为Networkx类型的图 4 DGLGraph图中顶点属性的操作 4.1 为图添加节点特征和边特征许多图数据包含节点和边上的属性，即节点特征和边特征。虽然节点特征和边特征的类型在现实世界中可以是任意的，但是DGLGraph只接受存储在张量(Tensor)中的属性，且该属性必须为数值类型。
4.2 修改顶点属性 4.3 删除顶点属性DGL库官方操作指南https://docs.dgl.ai/
