mindspore_gl.dataloader

class mindspore_gl.dataloader.Dataset

可映射数据集定义，用抽象类表示数据集。 所有数据集都应该是它的子类，它代表一个从key到样本的映射关系。 所有子类都应该重写 __getitem__，实现根据key来获取样本。

支持平台：

Ascend GPU

样例：

>>> from mindspore_gl.dataloader import Dataset
>>> class MyDataset(Dataset):
>>>    def __init__(self, *args, **kwargs):
>>>         ...
>>> my_dataset = MyDataset()

class mindspore_gl.dataloader.RandomBatchSampler(data_source, batch_size)

随机批处理节点采样器。随机采样节点形成图形。残留的样本将被丢弃。

参数：

• data_source (Union[List, Tuple, Iterable]) - 采样数据的来源。

• batch_size (int) - 每批次采样子图的数量。

异常：

• TypeError - 如果 batch_size 不是正整数。

支持平台：

Ascend GPU

样例：

>>> from mindspore_gl.dataloader.samplers import RandomBatchSampler
>>> ds = list(range(10))
>>> sampler = RandomBatchSampler(ds, 3)
>>> print(list(sampler))
# results will be random for suffle
[[5, 9, 3], [4, 6, 7], [2, 8, 1]]

mindspore_gl.dataloader.split_data(x, val_ratio=0.05, test_ratio=0.1, graph_type='undirected')

根据用户输入的比例，将训练集切割成训练集、验证集和测试集，并对训练集进行图重构，然后返回。

参数：

• x (mindspore_gl.dataloader.Dataset) - 图结构数据集。

• val_ratio (float, 可选) - 验证集比例。默认值：0.05。

• test_ratio (float, 可选) - 测试集比例。默认值：0.1。

• graph_type (str, 可选) - 图的类型。’undirected’：无向图，’directed’：有向图。默认值：’undirected’。

返回：

• train (numpy.ndarray) - 训练集，shape \((train\_len, 2)\) 。

• val (numpy.ndarray) - 验证集，shape \((val\_len, 2)\) 。

• test (numpy.ndarray) - 测试集，shape \((test\_len, 2)\) 。

支持平台：

Ascend GPU

样例：

>>> from mindspore_gl.dataloader import split_data
>>> from mindspore_gl.dataset import CoraV2
>>> ds = CoraV2('data_path')
>>> adj_coo, (train, val, test) = split_data(ds)
>>> print(train.shape, val.shape, test.shape)
(11684, 2) (263, 2) (527, 2)