使用PyTorch Geometric RandomNodeSplit生成划分掩码失败求助

可能的原因： #

• 已有同名mask存在：如果你的Data对象中已经存在train_mask、val_mask或test_mask属性，RandomNodeSplit默认不会覆盖这些已有属性，会直接返回原数据对象。可以通过print(hasattr(data, 'train_mask'))确认是否存在。
• PyG版本兼容性问题：部分旧版本的PyTorch Geometric中，RandomNodeSplit变换仅对内置的Planetoid类数据集做了适配，对自定义Data对象的支持不完善。
• 节点数识别异常：虽然data.x的形状已经隐含了节点数，但少数情况下PyG无法正确识别，导致划分逻辑未触发。

解决方法： #

1. 检查并移除已有mask：
   如果数据中已有mask，先删除再应用变换：

   for key in ['train_mask', 'val_mask', 'test_mask']:
       if hasattr(data, key):
           delattr(data, key)
   split = T.RandomNodeSplit(split='random', num_val=0.1, num_test=0.2)
   data = split(data)
   

2. 升级PyG版本：
   执行命令升级到最新稳定版：

   pip install --upgrade torch_geometric
   

3. 显式指定节点数：
   在应用变换前手动设置节点数：

   data.num_nodes = data.x.shape[0]
   split = T.RandomNodeSplit(split='random', num_val=0.1, num_test=0.2)
   data = split(data)
   

4. 手动生成划分mask：
   如果上述方法都无效，直接手动实现节点划分更可靠：

   import torch
   
   num_nodes = data.x.size(0)
   num_val = int(num_nodes * 0.1)
   num_test = int(num_nodes * 0.2)
   num_train = num_nodes - num_val - num_test
   
   # 生成随机排列的节点索引
   perm = torch.randperm(num_nodes)
   
   # 创建mask
   data.train_mask = torch.zeros(num_nodes, dtype=torch.bool)
   data.val_mask = torch.zeros(num_nodes, dtype=torch.bool)
   data.test_mask = torch.zeros(num_nodes, dtype=torch.bool)
   
   data.train_mask[perm[:num_train]] = True
   data.val_mask[perm[num_train:num_train+num_val]] = True
   data.test_mask[perm[num_train+num_val:]] = True
   

内容的提问来源于stack exchange，提问作者Fede