用途：PyTorch Geometric（PyG）是构建在 PyTorch 上的图神经网络库，用于图和不规则结构上的深度学习，支持小批量处理、多 GPU 训练与几何深度学习。技能适用范围限于 PyG、torch_geometric、GNN、GCN/GAT、图分类、节点分类、链路预测与异构图学习；不适用于通用神经网络、CNN 图像分类、图可视化或纯分子任务（除非明确涉及 PyG 或 GNN 建模）。torch-geometric 为规范技能 ID，torch_geometric、PyG、pytorch geometric 为同一技能的 API 或关键词写法。
主要能力：以 Data 对象表示图，关键属性包括 x（节点特征 [num_nodes, num_node_features]）、edge_index（COO 格式 [2, num_edges]）、edge_attr、y、pos 及自定义属性。提供 40 多个卷积层，如 GCNConv、GATConv、SAGEConv，并可通过继承 MessagePassing 自定义消息传递层，方法含 forward、message、aggregate、update，张量名加 _i 或 _j 自动映射到目标或源节点。内置 Planetoid（Cora、CiteSeer、PubMed）、TUDataset、QM9、Reddit 等基准数据集，支持继承 InMemoryDataset 或 Dataset 自建数据集。提供 Transforms，如 NormalizeFeatures、AddSelfLoops、Compose、AddLaplacianEigenvectorPE。支持异构图（HeteroData、to_hetero、HeteroConv）与模型可解释性（Explainer、GNNExplainer）。
使用方式：安装命令为 uv pip install torch_geometric。额外依赖（稀疏操作、聚类）安装命令为 uv pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-${TORCH}+${CUDA}.html。小批量用 DataLoader，大图用 NeighborLoader 做邻居采样（输出子图有向、节点索引重编号，仅在种子节点上计算损失，采样超过 2 至 3 跳通常不可行）。节点分类在单图上用 train_mask、test_mask 训练与评估；图分类用 global_mean_pool 聚合并逐批训练。
适用场景：节点/图分类、链路预测、分子性质预测、社交网络分析、引用网络、3D 几何数据、异构图与大规模图学习。
限制：不用于通用神经网络、图像分类、图可视化或纯分子任务；具体收费、价格与平台支持情况暂未提供。