PyTorch Geometric

기하 딥러닝에서 그래프 시각화 및 실험 추적을 위해 W&B를 PyTorch Geometric과 통합하세요.

PyTorch Geometric, 즉 PyG는 기하학적 딥러닝 분야에서 가장 널리 사용되는 라이브러리 중 하나이며, 그래프 시각화와 실험 추적 측면에서 W&B와도 매우 잘 연동됩니다.

PyTorch Geometric를 설치한 후 시작하려면 다음 단계를 따르세요.

​

가입하고 API 키 생성하기

API 키는 머신이 W&B에 인증되도록 합니다. 사용자 프로필에서 API 키를 생성할 수 있습니다.

더 간편하게 하려면 User Settings로 바로 이동해 API 키를 생성하세요. 새로 생성한 API 키는 즉시 복사해 비밀번호 관리자와 같은 안전한 위치에 저장하세요.

1. 오른쪽 상단에서 사용자 프로필 아이콘을 클릭합니다.
2. User Settings를 선택한 다음 API Keys 섹션으로 스크롤합니다.

​

wandb 라이브러리 설치 및 로그인

로컬에 wandb 라이브러리를 설치하고 로그인하려면 다음 단계를 따르세요.

명령줄

1. WANDB_API_KEY 환경 변수를 API 키로 설정합니다.

   export WANDB_API_KEY=<your_api_key>
   

2. wandb 라이브러리를 설치하고 로그인합니다.

   pip install wandb
   
   wandb login
   

Python

pip install wandb

import wandb
wandb.login()

Python notebook

!pip install wandb

import wandb
wandb.login()

​

그래프 시각화

에지 수, 노드 수 등 입력 그래프의 세부 정보를 저장할 수 있습니다. W&B는 Plotly 차트와 HTML 패널 로깅을 지원하므로, 그래프를 위해 만든 시각화도 W&B에 로깅할 수 있습니다.

​

PyVis 사용하기

다음 스니펫은 PyVis와 HTML을 사용해 이를 수행하는 방법을 보여줍니다.

from pyvis.network import Network
import wandb

with wandb.init(project=’graph_vis’) as run:
    net = Network(height="750px", width="100%", bgcolor="#222222", font_color="white")

    # PyG 그래프의 엣지를 PyVis 네트워크에 추가
    for e in tqdm(g.edge_index.T):
        src = e[0].item()
        dst = e[1].item()

        net.add_node(dst)
        net.add_node(src)
        
        net.add_edge(src, dst, value=0.1)

    # PyVis 시각화를 HTML 파일로 저장
    net.show("graph.html")
    run.log({"eda/graph": wandb.Html("graph.html")})

​

Plotly 사용하기

Plotly를 사용해 그래프 시각화를 만들려면 먼저 PyG 그래프를 networkx 객체로 변환해야 합니다. 그런 다음 노드와 엣지 각각에 대한 Plotly scatter plot을 만들어야 합니다. 아래 스니펫을 이 작업에 사용할 수 있습니다.

def create_vis(graph):
    G = to_networkx(graph)
    pos = nx.spring_layout(G)

    edge_x = []
    edge_y = []
    for edge in G.edges():
        x0, y0 = pos[edge[0]]
        x1, y1 = pos[edge[1]]
        edge_x.append(x0)
        edge_x.append(x1)
        edge_x.append(None)
        edge_y.append(y0)
        edge_y.append(y1)
        edge_y.append(None)

    edge_trace = go.Scatter(
        x=edge_x, y=edge_y,
        line=dict(width=0.5, color='#888'),
        hoverinfo='none',
        mode='lines'
    )

    node_x = []
    node_y = []
    for node in G.nodes():
        x, y = pos[node]
        node_x.append(x)
        node_y.append(y)

    node_trace = go.Scatter(
        x=node_x, y=node_y,
        mode='markers',
        hoverinfo='text',
        line_width=2
    )

    fig = go.Figure(data=[edge_trace, node_trace], layout=go.Layout())

    return fig


with wandb.init(project=’visualize_graph’) as run:
    run.log({‘graph’: wandb.Plotly(create_vis(graph))})

​

메트릭 기록

W&B를 사용해 실험와 관련 메트릭(예: 손실 함수, 정확도 등)을 추적할 수 있습니다. 트레이닝 루프에 다음 줄을 추가하세요:

with wandb.init(project="my_project", entity="my_entity") as run:
    run.log({
        'train/loss': training_loss,
        'train/acc': training_acc,
        'val/loss': validation_loss,
        'val/acc': validation_acc
        })

​

추가 자료

• PyTorch Geometric에서 그래프 신경망을 사용해 Amazon 상품 추천하기
• PyTorch Geometric을 사용한 포인트 클라우드 분류
• PyTorch Geometric을 사용한 포인트 클라우드 분할