用途：PyTorch Geometric（PyG）是基于 PyTorch 的图神经网络（GNN）库，适用于图结构数据的深度学习，包括节点分类、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）、异构大图与大规模图学习。
主要能力：提供 torch_geometric.data.Data 数据结构，用 x、edge_index、edge_attr、y、pos 等属性表示图；edge_index 采用 COO 格式的 [2, num_edges] 张量。提供 DataLoader 以小批量方式把多图拼成一个大不连通图，无需填充。内置 40 多种卷积层，如 GCNConv、GATConv、SAGEConv，并可继承 MessagePassing 自定义消息传递层。
数据与训练：内置 Planetoid、TUDataset、QM9、Reddit 等数据集，可继承 InMemoryDataset 或 Dataset 创建自定义数据集，也可从 CSV 加载。支持节点分类、图分类（配合 global_mean_pool）以及用 NeighborLoader 做大图邻居采样训练。
高级功能：通过 HeteroData 支持多类型节点和边的异构图，并提供 to_hetero、HeteroConv；提供 NormalizeFeatures、AddSelfLoops、Compose 等 transforms；提供 GNNExplainer 等可解释性工具；包含多种池化操作。
安装：uv pip install torch_geometric；如需稀疏运算、聚类等附加依赖：uv pip install pyg_lib torch_scatter torch_sparse torch_cluster torch_spline_conv -f https://data.pyg.org/whl/torch-${TORCH}+${CUDA}.html
限制：邻居采样通常不宜超过 2–3 跳；输出子图是有向的且节点索引会被重编号，计算损失时只应使用种子节点预测；本资料未提供收费、价格、平台或性能指标等信息。