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）、异构知识图谱以及大规模图学习。
主要能力：提供 40 多种卷积层，如 GCNConv、GATConv、SAGEConv；支持基于 MessagePassing 的自定义消息传递层；内置 Planetoid、TUDataset、QM9、Reddit 等基准数据集；支持 InMemoryDataset 与 Dataset 自定义数据集；提供 DataLoader 小批量处理、NeighborLoader 邻居采样、多 GPU 训练；支持 HeteroData 异构图表征与 to_hetero、HeteroConv；提供 NormalizeFeatures、AddSelfLoops、RandomLinkSplit 等变换；内置 GNNExplainer 等可解释性工具与全局池化操作。
使用方式：安装命令为 uv pip install torch_geometric；如需稀疏运算、聚类等附加依赖，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 torch_geometric.data.Data 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。
适用场景与限制：适合图机器学习、药物发现、社区检测、推荐系统、点云与网格等任务。大规模图需使用 NeighborLoader 采样，输出子图有向且节点索引重排，损失仅用种子节点；采样超过 2-3 跳通常不可行。资料未提供收费、价格与平台信息。