모든 엣지의 소스 노드와 타겟 노드를 정의하는 텐서인 `edge_index` 가 인덱스 튜플의 리스트가 **아니** 라는 점에 유의하십시오.
이런 방식으로 인덱스를 작성하려면, 데이터 생성자에게 넘겨주기 전에 반드시 `edge_index` 를 전치하고 `contiguous` 함수를 적용해줘야 합니다:
이런 방식으로 인덱스를 작성하려면, 데이터 생성자에게 넘겨주기 전에 반드시 `edge_index` 를 전치하고 `contiguous` 를 적용해줘야 합니다:
.. code-block:: python
...
...
@@ -75,15 +75,14 @@
언제든지 데이터 객체를 프린트 해보거나 그것의 특징(feature)과 모양(shape)에 대한 간단한 정보를 확인해 볼 수 있습니다.
`edge_index` 의 요소는 반드시 `{0, ..., num_nodes - 1}` 범위 내의 인덱스를 가져야 한다는 점을 유의하십시오.
이는 최종 데이터의 표현을 최대한 간단하게 만들고자 할 때, 예를 들어, 첫 번째 엣지 `(0, 1)` 의 시작 노드와 도착 노드의 특징(feature)을 각각 `x[0]`(obj) 과 `x[1]` 로 나타내기를 원할 때 필요합니다.
`~torch_geometric.data.Data.validate`(method)를 실행함으로써 최종적인 `~torch_geometric.data.Data` 객체가 이러한 요건을 모두 충족하는지 언제든 확인할 수 있습니다:
이는 최종 데이터의 표현을 최대한 간단하게 만들고자 할 때, 예를 들어, 첫 번째 엣지 `(0, 1)` 의 시작 노드와 도착 노드의 특징(feature)을 각각 `x[0]` 과 `x[1]` 로 나타내기를 원할 때 필요합니다.
`~torch_geometric.data.Data.validate`를 실행함으로써 최종적인 `~torch_geometric.data.Data` 객체가 이러한 요건을 모두 충족하는지 언제든 확인할 수 있습니다:
.. code-block:: python
data.validate(raise_on_error=True)
Besides holding a number of node-level, edge-level or graph-level attributes, :class:`~torch_geometric.data.Data` provides a number of useful utility functions, *e.g.*:
여러 노드 수준, 엣지 수준, 그래프 수준의 속성(attribute)를 담는 것 외에도, `~torch_geometric.data.Data` 클래스는 다음과 같은 여러 기능의 유용한 함수들을 제공합니다:
여러 노드 수준, 엣지 수준, 그래프 수준의 속성(attribute)들을 담는 것 외에도, `~torch_geometric.data.Data` 는 다음과 같은 여러 기능의 유용한 함수들을 제공합니다:
.. code-block:: python
...
...
@@ -125,12 +124,12 @@ Besides holding a number of node-level, edge-level or graph-level attributes, :c
device = torch.device('cuda')
data = data.to(device)
You can find a complete list of all methods at :class:`torch_geometric.data.Data`.
`torch_geometric.data.Data` 에서 전체 메소드들의 리스트를 확인할 수 있습니다.
Common Benchmark Datasets
일반적인 벤치마크 데이터셋
-------------------------
:pyg:`PyG` contains a large number of common benchmark datasets, *e.g.*, all Planetoid datasets (Cora, Citeseer, Pubmed), all graph classification datasets from `http://graphkernels.cs.tu-dortmund.de <http://graphkernels.cs.tu-dortmund.de/>`_ and their `cleaned versions <https://github.com/nd7141/graph_datasets>`_, the QM7 and QM9 dataset, and a handful of 3D mesh/point cloud datasets like FAUST, ModelNet10/40 and ShapeNet.
`PyG` 는 상당히 많은 일반적인 벤치마크 데이터셋, 예를 들어, Planetoid 데이터셋 전부 (Cora, Citeseer, Pubmed), `http://graphkernels.cs.tu-dortmund.de <http://graphkernels.cs.tu-dortmund.de/>`_ 과 그들의 `정제된 버전 <https://github.com/nd7141/graph_datasets>`_ 의 그래프 분류 데이터셋 전부, QM7 과 QM9 데이터셋, 그리고 FAUST, ModelNet10/40 과 ShapeNet 같은 3D 메쉬/포인트 클라우드 데이터셋 일부를 보유하고 있습니다.
Initializing a dataset is straightforward.
An initialization of a dataset will automatically download its raw files and process them to the previously described :class:`~torch_geometric.data.Data` format.
