🆕 dgl.graphbolt

dgl.graphbolt 是一个用于GNN的数据加载框架，它为数据管道的每个阶段提供了定义良好的API和多种标准实现。

Dataset

数据集是图结构数据、特征数据和任务的集合。

`数据集`	一个抽象的数据集，提供了访问训练所需数据的抽象。
`OnDiskDataset`	一个从磁盘读取图拓扑、特征数据和训练/验证/测试集的磁盘数据集。
`BuiltinDataset`	一个实用类，用于从AWS S3下载内置数据集并将其加载为`OnDiskDataset`。
`LegacyDataset`	一个用于传统DGLDataset的Graphbolt数据集。
`Task`	一个抽象任务，由元信息和训练/验证/测试集组成。

图是节点和边的集合。它可以是同构图或异构图。

`SamplingGraph`	用于采样图的类。
`FusedCSCSamplingGraph`	CSC格式的采样图。

特征是一组数据（张量、数组）。特征存储是特征的集合。

`Feature`	用于访问的特征数据的包装器。
`FeatureStore`	一个用于管理多个访问功能的存储。
`BasicFeatureStore`	一个基本的功能存储，用于管理多个功能以供访问。
`TorchBasedFeature`	一个基于pytorch的特征包装器。
`TorchBasedFeatureStore`	一个用于管理多个基于pytorch的功能以供访问的存储。
`GPUCachedFeature`	GPU缓存的特性包装了一个备用特性。

数据加载器用于遍历数据集并生成小批量数据。

多进程数据加载器。

一个项目集是一个可迭代的项目集合。

`ItemSet`	张量或张量元组的包装器。
`ItemSetDict`	Dictionary wrapper of ItemSet.

项目采样器用于从项目集中采样项目。

`ItemSampler`	一个用于遍历输入项并创建子集的采样器。
`DistributedItemSampler`	一个采样器，用于迭代输入项并分布式创建子集。

小批量是采样子图及其对应特征的集合。它是训练GNN模型的基本单位。

`MiniBatch`	用于graphbolt中数据结构的复合数据类。
`MiniBatchTransformer`	一个用于操作小批量数据的小批量转换器。

负采样器用于从小批量中采样负样本。

`NegativeSampler`	用于生成负样本并返回正负样本混合的负采样器。
`UniformNegativeSampler`	基于均匀分布为每个源节点采样负目标节点。

子图采样器用于从图中采样子图。

特征提取器用于从特征存储中提取特征。

用于在graphbolt中获取节点/边的特征的特征提取器。

此数据管道用于将数据复制到设备。

将从前一个DataPipe生成的每个元素传输到给定设备的DataPipe。

`fused_csc_sampling_graph`	从CSC表示创建一个FusedCSCSamplingGraph对象。
`load_from_shared_memory`	从共享内存加载一个FusedCSCSamplingGraph对象。
`from_dglgraph`	将DGLGraph转换为FusedCSCSamplingGraph。
`etype_str_to_tuple`	将规范的etype从字符串转换为元组。
`etype_tuple_to_str`	将规范的etype从元组转换为字符串。
`isin`	测试 elements 的每个元素是否在 test_elements 中。
`seed`	设置Graphbolt的随机种子。
`index_select`	返回一个新的张量，该张量使用索引中的条目沿维度dim对输入张量进行索引。
`expand_indptr`	将给定的indptr偏移张量转换为COO格式张量。
`add_reverse_edges`	此函数查找给定edges的反向边并返回它们的组合。
`exclude_seed_edges`	从迷你批次中的采样子图中排除种子边及其反向边。
`compact_csc_format`	将csc格式中的行（源）ID重新标记为从0开始的连续范围，并返回每种类型的原始行节点ID。
`unique_and_compact`	压缩节点张量列表。
`unique_and_compact_csc_formats`	紧凑的csc格式并返回唯一的节点（按类型）。