pytorch_scatter

pytorch散射

---

文件

該軟件包由一個小型擴展庫組成，該庫具有高度優化的稀疏更新（散點和段）操作，用於Pytorch中的使用，這些庫在主包中缺少。散射和段操作可以大致描述為基於給定的“組索引”張量的減少操作。細分操作要求對“組索引”張量進行排序，而散點操作則不受這些要求的約束。

該軟件包由以下操作組成，帶有減少類型"sum"|"mean"|"min"|"max" ：

• 根據任意指標散射
• 基於排序索引
• 基於壓縮指數的sement_csr

此外，我們還提供以下複合功能，可利用scatter_*在引擎蓋下的操作： scatter_std ， scatter_logsumexp ， scatter_softmax和scatter_log_softmax 。

所有隨附的操作都是可廣播的，在不同的數據類型上進行的工作，並針對CPU和GPU實施，並具有相應的向後實現，並且完全可追溯。

安裝

Anaconda

更新：您現在可以通過Anaconda安裝pytorch-scatter以適用於所有主要的OS/Pytorch/CUDA組合？鑑於您安裝了pytorch >= 1.8.0 ，只需運行

 conda install pytorch-scatter -c pyg

二進制

或者，我們為所有主要的OS/Pytorch/CUDA組合提供PIP輪轂，請參見此處。

Pytorch 2.5

要安裝Pytorch 2.5.0的二進製文件，只需運行

 pip install torch-scatter -f https://data.pyg.org/whl/torch-2.5.0+${CUDA}.html

${CUDA}應取代cpu ， cu118 ， cu121或cu124 ，具體取決於您的pytorch安裝。

	cpu	cu118	cu121	cu124
Linux	✅	✅	✅	✅
視窗	✅	✅	✅	✅
macos	✅

Pytorch 2.4

要安裝Pytorch 2.4.0的二進製文件，只需運行

 pip install torch-scatter -f https://data.pyg.org/whl/torch-2.4.0+${CUDA}.html

${CUDA}應取代cpu ， cu118 ， cu121或cu124 ，具體取決於您的pytorch安裝。

	cpu	cu118	cu121	cu124
Linux	✅	✅	✅	✅
視窗	✅	✅	✅	✅
macos	✅

Note: Binaries of older versions are also provided for PyTorch 1.4.0, PyTorch 1.5.0, PyTorch 1.6.0, PyTorch 1.7.0/1.7.1, PyTorch 1.8.0/1.8.1, PyTorch 1.9.0, PyTorch 1.10.0/1.10.1/1.10.2, PyTorch 1.11.0, PyTorch 1.12.0/1.12.1，Pytorch 1.13.0/1.13.1，Pytorch 2.0.0/2.0.1，Pytorch 2.1.0/2.1.1.1/2.1.2，Pytorch 2.2.0/2.2.1.2.1.2.1/2.2.2，以及Pytorch 2.3.0/2.3.0/2.3.0/2.3.1/2.3.1（遵循同一過程）。對於較舊的版本，您需要明確指定最新的支持版本號，或通過pip install --no-index安裝，以防止源頭安裝手動安裝。您可以在此處查找最新支持的版本號。

來自來源

確保安裝了至少Pytorch 1.4.0，並驗證cuda/bin and cuda/include分別在您的$PATH和$CPATH中，例如：

 $ python -c "import torch; print(torch.__version__)"
>>> 1.4.0

$ echo $PATH
>>> /usr/local/cuda/bin:...

$ echo $CPATH
>>> /usr/local/cuda/include:...

然後運行：

 pip install torch-scatter

當在沒有NVIDIA驅動程序的Docker容器中運行時，Pytorch需要評估計算功能，並且可能會失敗。在這種情況下，請確保通過TORCH_CUDA_ARCH_LIST設置計算功能，例如：

 export TORCH_CUDA_ARCH_LIST = "6.0 6.1 7.2+PTX 7.5+PTX"

例子

 import torch
from torch_scatter import scatter_max

src = torch . tensor ([[ 2 , 0 , 1 , 4 , 3 ], [ 0 , 2 , 1 , 3 , 4 ]])
index = torch . tensor ([[ 4 , 5 , 4 , 2 , 3 ], [ 0 , 0 , 2 , 2 , 1 ]])

out , argmax = scatter_max ( src , index , dim = - 1 )

 print(out)
tensor([[0, 0, 4, 3, 2, 0],
        [2, 4, 3, 0, 0, 0]])

print(argmax)
tensor([[5, 5, 3, 4, 0, 1]
        [1, 4, 3, 5, 5, 5]])

運行測試

 pytest

C ++ API

torch-scatter還提供了一個C ++ API，其中包含python模型的C ++。為此，我們需要將TorchLib添加到-DCMAKE_PREFIX_PATH （例如，它可能存在於{CONDA}/lib/python{XX}/site-packages/torch中，如果通過conda安裝）：

 mkdir build
cd build
# Add -DWITH_CUDA=on support for CUDA support
cmake -DCMAKE_PREFIX_PATH="..." ..
make
make install