PyG 2.0：面向真实世界图的可扩展学习
机器学习
2025-07-29 v2 人工智能
摘要
PyG（PyTorch Geometric）自最初发布以来已取得显著发展，确立了其作为图神经网络领先框架的地位。在本文中，我们介绍了 PyG 2.0（及其后续次要版本），这是一次全面更新，在可扩展性和真实世界应用能力方面引入了实质性改进。我们详细介绍了该框架增强的架构，包括对异构图和时序图的支持、可扩展的特征/图存储以及各种优化，使研究人员和从业者能够高效地处理大规模图学习问题。近年来，PyG 在众多应用领域支持了图学习，我们将对此进行总结，同时深入探讨关系深度学习和大语言建模等重要领域。
引用
@article{arxiv.2507.16991,
title = {PyG 2.0: Scalable Learning on Real World Graphs},
author = {Matthias Fey and Jinu Sunil and Akihiro Nitta and Rishi Puri and Manan Shah and Blaž Stojanovič and Ramona Bendias and Alexandria Barghi and Vid Kocijan and Zecheng Zhang and Xinwei He and Jan Eric Lenssen and Jure Leskovec},
journal= {arXiv preprint arXiv:2507.16991},
year = {2025}
}