PyTorch Geometric

Intégrez W&B à PyTorch Geometric pour la visualisation de graphes et le suivi des expériences en apprentissage profond géométrique.

PyTorch Geometric (PyG) est une bibliothèque de deep learning géométrique, et W&B s’y intègre bien pour visualiser des graphes et suivre les expériences.

Ce guide vous montre comment vous authentifier à W&B, installer la bibliothèque wandb, visualiser des graphes PyG avec PyVis ou Plotly, et journaliser les métriques d’entraînement de vos flux de travail PyG. Utilisez-le pour suivre les expériences et partager des visualisations de graphes dans W&B.

Après avoir installé PyTorch Geometric, suivez ces étapes pour démarrer.

​

Inscrivez-vous et créez une clé API

Une clé API authentifie votre machine auprès de W&B. Vous pouvez générer une clé API à partir de votre profil.

Pour une méthode plus directe, accédez aux Paramètres utilisateur et créez une clé API. Copiez immédiatement la clé API et conservez-la dans un endroit sûr, par exemple dans un gestionnaire de mots de passe.

1. Cliquez sur l’icône de votre profil en haut à droite.
2. Sélectionnez Paramètres utilisateur, puis faites défiler la page jusqu’à la section Clés API.

​

Installez la bibliothèque wandb et connectez-vous

Pour installer la bibliothèque wandb en local et vous connecter :

Ligne de commande

1. Définissez la variable d’environnement WANDB_API_KEY avec votre clé API. Remplacez les valeurs entre <> par les vôtres :

   export WANDB_API_KEY=<your_api_key>
   

2. Installez la bibliothèque wandb et connectez-vous.

   pip install wandb
   
   wandb login
   

Python

pip install wandb

import wandb
wandb.login()

Python notebook

!pip install wandb

import wandb
wandb.login()

​

Visualisez les graphes

Après vous être connecté, vous pouvez commencer à envoyer des visualisations de graphes et des données d’exécution à W&B.

Vous pouvez enregistrer des informations sur les graphes d’entrée, notamment le nombre d’arêtes, le nombre de nœuds, etc. W&B prend en charge la journalisation des graphiques Plotly et des panneaux HTML, vous pouvez donc également journaliser dans W&B toutes les visualisations que vous créez pour votre graphe. Les sections suivantes présentent deux approches courantes : PyVis pour les visualisations HTML interactives et Plotly pour les visualisations sous forme de graphiques.

​

Utiliser PyVis

L’extrait suivant montre comment procéder avec PyVis et HTML.

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")

    # Ajouter les arêtes du graphe PyG au réseau PyVis
    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)

    # Enregistrer la visualisation PyVis dans un fichier HTML
    net.show("graph.html")
    run.log({"eda/graph": wandb.Html("graph.html")})

​

Utiliser Plotly

Pour utiliser Plotly afin de créer une visualisation de graphe, convertissez d’abord le graphe PyG en objet NetworkX. Créez ensuite des graphiques de dispersion Plotly pour les nœuds et les arêtes. Utilisez l’extrait suivant pour cette tâche.

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))})

​

Journaliser des métriques

En plus des visualisations de graphe, vous pouvez utiliser W&B pour suivre vos expériences et les métriques associées, comme les fonctions de perte, la précision, entre autres. Ajoutez les lignes suivantes à votre boucle d’entraînement :

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
        })

Avec les visualisations de graphes et les métriques d’entraînement journalisées dans W&B, vous pouvez comparer les runs et partager les résultats de vos expériences PyG dans votre espace de travail W&B.

​

Plus de ressources

Les W&B Reports suivants montrent PyG en action :

• Recommandation de produits Amazon à l’aide de réseaux neuronaux de graphes avec PyTorch Geometric
• Classification de nuages de points avec PyTorch Geometric
• Segmentation de nuages de points avec PyTorch Geometric