pyg-team/pytorch_geometric

Convert heterogeneous NetworkX graph to HeteroData without normalizing features across node types

Open

#7 340 ouverte le 10 mai 2023

Voir sur GitHub
 (7 commentaires) (0 réactions) (0 assignés)Python (3 514 forks)batch import
0 - Priority P0featurehelp wanted

Métriques du dépôt

Stars
 (19 985 stars)
Métriques de merge PR
 (Merge moyen 35j 1h) (14 PRs mergées en 30 j)

Description

🚀 The feature, motivation and pitch

I am working on converting a heterogeneous NetworkX graph to HeteroData. Here is an example that I would like to see working:

nodes_types = torch.tensor([1, 2, 3])
nx_graph = nx.MultiGraph()
nx_graph.add_node(0, type=1, foo=4.97, bar=torch.tensor([9, 8]))
nx_graph.add_node(1, type=2, foo=4.97)
nx_graph.add_node(2, type=3)
pyg.utils.from_networkx(nx_graph, group_node_attrs=['type', 'foo', 'bar'])

which currently throws raise ValueError('Not all nodes contain the same attributes').

I know that my graph is heterogeneous, but to convert from NetworkX to HeteroData, I need to manually normalize all of the node attributes. I would like to not have to write my own conversion layer.

Alternatives

N/A

Additional context

N/A

Guide contributeur

Direction de recherche
Examinez la fonction `from networkx` dans `torch geometric/utils/convert.py`. Comprenez comment `group node attrs` fonctionne et modifiez la pour autoriser des attributs manquants entre les types de nœuds. Assurez vous que le HeteroData résultant stocke correctement les caractéristiques par type de nœud sans exiger que tous les nœuds aient les mêmes attributs. Vérifiez les tests existants et ajoutez de nouveaux cas de test.
Stack technique
pythonpytorch
Domaine
machine learningdata
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
Une demi journée
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
PythonPyTorchNetworkX
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
65