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（点云、网格、分子结构）、异构图（如知识图谱）以及大规模图学习。
主要能力：提供 40 多种卷积层，常用包括 GCNConv、GATConv、SAGEConv；支持通过 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、多 GPU 训练；提供 HeteroData 与 to_hetero、HeteroConv 处理异构图；提供 NormalizeFeatures、AddSelfLoops、RandomLinkSplit 等变换；提供 GNNExplainer 等可解释性工具及池化操作。
使用方式：安装命令为 pip install torch_geometric；如需稀疏运算、聚类等附加依赖，使用 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，可扩展自定义属性。可从 CSV 加载节点与边，或继承 InMemoryDataset/Dataset 创建自定义数据集。
适用场景与限制：适用于图机器学习、药物发现、社区检测、论文分类与推荐、点云与网格等任务。大规模图需用 NeighborLoader 采样，输出子图有向且节点索引重排，损失仅用种子节点；采样一般不超过 2-3 跳。资料未提供收费、价格、平台与效果信息。