YAML 规范

本文档描述了 OnDiskDataset 所使用的 metadata.yaml 文件的 YAML 规范。metadata.yaml 文件用于指定数据集信息，包括图结构、特征数据和任务。

dataset_name: <string>
graph:
  nodes:
    - type: <string>
      num: <int>
    - type: <string>
      num: <int>
  edges:
    - type: <string>
      format: <string>
      path: <string>
    - type: <string>
      format: <string>
      path: <string>
feature_data:
  - domain: node
    type: <string>
    name: <string>
    format: <string>
    in_memory: <bool>
    path: <string>
  - domain: node
    type: <string>
    name: <string>
    format: <string>
    in_memory: <bool>
    path: <string>
  - domain: edge
    type: <string>
    name: <string>
    format: <string>
    in_memory: <bool>
    path: <string>
  - domain: edge
    type: <string>
    name: <string>
    format: <string>
    in_memory: <bool>
    path: <string>
tasks:
  - name: <string>
    num_classes: <int>
    train_set:
      - type: <string>
        data:
          - name: <string>
            format: <string>
            in_memory: <bool>
            path: <string>
          - name: <string>
            format: <string>
            in_memory: <bool>
            path: <string>
    validation_set:
      - type: <string>
        data:
          - name: <string>
            format: <string>
            in_memory: <bool>
            path: <string>
          - name: <string>
            format: <string>
            in_memory: <bool>
            path: <string>
    test_set:
      - type: <string>
        data:
          - name: <string>
            format: <string>
            in_memory: <bool>
            path: <string>
          - name: <string>
            format: <string>
            in_memory: <bool>
            path: <string>

dataset_name

dataset_name 字段用于指定数据集的名称。它是用户自定义的。

graph

graph 字段用于指定图结构。它包含两个字段：nodes 和 edges。

• nodes: list

  nodes 字段用于指定每种节点类型的节点数量。它是一个 node 对象列表。每个 node 对象包含两个字段：type 和 num。

  • type: string, 可选

    type 字段用于指定节点类型。对于同构图，该字段为 null。对于异构图，该字段为节点类型。

  • num: int

    num 字段用于指定该节点类型的节点数量。对于同构图和异构图，该字段都是必需的。

• edges: list

  edges 字段用于指定边。它是一个 edge 对象列表。每个 edge 对象包含三个字段：type、format 和 path。 - type: string, 可选

  type 字段用于指定边类型。对于同构图，该字段为 null。对于异构图，该字段为边类型。

  • format: string

    format 字段用于指定边数据的格式。可以是 csv 或 numpy。如果格式为 csv，则不需要 index 和 header 字段。如果格式为 numpy，数组的形状需要为 (2, num_edges)。对于大型图，推荐使用 numpy 格式。

  • path: string

    path 字段用于指定边数据的路径。它是相对于 metadata.yaml 文件所在目录的相对路径。

feature_data

feature_data 字段用于指定特征数据。它是一个 feature 对象列表。每个 feature 对象包含五个标准字段：domain、type、name、format 和 path。任何其他字段将传递给 Feature.metadata 对象。

• domain: string

  domain 字段用于指定特征数据的域。可以是 node 或 edge。

• type: string, 可选

  type 字段用于指定特征数据的类型。对于同构图，该字段为 null。对于异构图，该字段为节点或边类型。

• name: string

  name 字段用于指定特征数据的名称。它是用户自定义的。

• format: string

  format 字段用于指定特征数据的格式。可以是 numpy 或 torch。

• in_memory: bool, 可选

  in_memory 字段用于指定是否将特征数据加载到内存中。可以是 true 或 false。默认值为 true。

• path: string

  path 字段用于指定特征数据的路径。它是相对于 metadata.yaml 文件所在目录的相对路径。

tasks

tasks 字段用于指定任务。它是一个 task 对象列表。每个 task 对象至少包含三个字段：train_set、validation_set、test_set。您可以自由添加其他字段，例如 num_classes，所有这些字段都将传递给 Task.metadata 对象。

• name: string, 可选

  name 字段用于指定任务的名称。它是用户自定义的。

• num_classes: int, 可选

  num_classes 字段用于指定任务的类别数量。

• train_set: list

  train_set 字段用于指定训练集。它是一个 set 对象列表。每个 set 对象包含两个字段：type 和 data。

• type: string, 可选

  type 字段用于指定集合的节点/边类型。对于同构图，该字段为 null。对于异构图，该字段为节点或边类型。

• data: list

  data 字段用于加载 train_set。它是一个 data 对象列表。每个 data 对象包含四个字段：name、format、in_memory 和 path。

  • name: string

    name 字段用于指定数据的名称。它是必需的，并用于指定 MiniBatch 中用于采样的字段。它可以是 seeds、labels 或 indexes。如果使用任何其他名称，它将被添加到 MiniBatch 的数据字段中。

  • format: string

    format 字段用于指定数据的格式。可以是 numpy 或 torch。

  • in_memory: bool, 可选

    in_memory 字段用于指定是否将数据加载到内存中。可以是 true 或 false。默认值为 true。

  • path: string

    path 字段用于指定数据的路径。它是相对于 metadata.yaml 文件所在目录的相对路径。

• validation_set: list

• test_set: list

  validation_set 和 test_set 字段分别用于指定验证集和测试集。它们与 train_set 字段类似。