用途：PyTorch Geometric（PyG）是构建在 PyTorch 之上的图神经网络（GNN）库，用于图和不规则结构上的深度学习，涵盖节点分类、图分类、链接预测、分子性质预测、社交网络分析、引用网络、3D 几何数据、异构图和大规模图学习。
主要能力：提供 40 多种卷积层，如 GCNConv、GATConv、SAGEConv；支持 MessagePassing 自定义消息传递层；内置 Planetoid、TUDataset、QM9、Reddit 等基准数据集；支持 DataLoader 小批量处理、NeighborLoader 邻居采样、HeteroData 异构图、to_hetero 与 HeteroConv、Transforms 变换、GNNExplainer 可解释性以及池化操作。
使用方式：安装命令为 uv pip install torch_geometric；如需稀疏运算等附加依赖，使用 uv pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-${TORCH}+${CUDA}.html。图数据用 Data 类表示，关键属性包括 data.x、data.edge_index（COO 格式 [2, num_edges]）、data.edge_attr、data.y、data.pos。可继承 InMemoryDataset 或 Dataset 创建自定义数据集，也可从 CSV 加载图。
适用场景：图机器学习、药物发现与化学性质预测、社区检测与影响力预测、论文分类与推荐、点云与网格等 3D 数据、知识图谱等异构图、大规模图学习。
限制：邻居采样通常不宜超过 2-3 跳；采样输出子图是有向的且节点索引会重编号，损失只应使用种子节点预测；超出内存的大数据集需继承 Dataset 并实现 len() 与 get(idx)。其他收费、价格、平台与效果信息暂未提供。