小编Roc*_*Owl的帖子

目标：我正在尝试将网络中的图形导入 PyTorch 几何图形并设置标签和节点特征。

（这是Python中的）

问题）：

1. 我该如何做到这一点[从networkx到PyTorch几何的转换]？（大概是通过使用该from_networkx功能）
2. 如何传输节点特征和标签？（更重要的问题）

我看过一些其他/以前的帖子有这个问题，但他们没有得到回答（如果我错了，请纠正我）。

尝试：（我刚刚在下面使用了一个不切实际的例子，因为我无法在这里发布任何真实的内容）

让我们想象一下我们正在尝试在一组汽车上执行图形学习任务（例如节点分类）（正如我所说的不太现实）。也就是说，我们有一组汽车、一个邻接矩阵和一些特征（例如年底的价格）。我们想要预测节点标签（即汽车的品牌）。

我将使用以下邻接矩阵：（抱歉，不能使用乳胶来格式化它）

A = [(0, 1, 0, 1, 1), (1, 0, 1, 1, 0), (0, 1, 0, 0, 1), (1, 1, 0, 0, 0) , (1, 0, 1, 0, 0)]

这是代码（适用于 Google Colab 环境）：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import networkx as nx
from torch_geometric.utils.convert import to_networkx, from_networkx
import torch

!pip install torch-scatter torch-sparse torch-cluster …

问题：将图形从networkxpytorch 几何图形转换为图形时如何保留节点顺序/标签？

代码：（在 Google Colab 中运行）

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import networkx as nx

import torch
from torch.nn import Linear
import torch.nn.functional as F
torch.__version__

# install pytorch geometric
!pip install torch-scatter torch-sparse torch-cluster torch-spline-conv torch-geometric -f https://data.pyg.org/whl/torch-1.10.0+cpu.html

from torch_geometric.nn import GCNConv
from torch_geometric.utils.convert import to_networkx, from_networkx

# Make the networkx graph
G = nx.Graph()

# Add some cars 
G.add_nodes_from([
      ('Ford', {'y': 0, 'Name': 'Ford'}),
      ('Lexus', {'y': 1, …