图神经网络学习笔记—通过远程后端扩展 GNN（专题十九）

PyG（2.2及更高版本）包含了许多原语，旨在简化与可扩展图机器学习的集成，使用户能够在比机器可用内存更大的图上训练图神经网络（GNN）。它通过引入简单、易于使用且可扩展的抽象概念，如torch_geometric.data.FeatureStore和torch_geometric.data.GraphStore，直接与现有的PyG接口兼容，从而实现这一目标。定义FeatureStore允许用户利用远程存储的节点（以及即将支持的边）特征，而定义GraphStore则允许用户利用远程存储的图结构信息。两者结合起来，可以在低开发者工作量的情况下，提供强大的GNN可扩展性。

警告
这里讨论的远程后端API可能会在未来发生变化，因为我们不断努力改进它们的易用性和通用性。

注意
目前，FeatureStore 和 GraphStore 仅支持异构图，且不支持边特征。对同构图和边特征的支持即将推出。

1. 背景

实例化的图神经网络（GNN）由两种类型的数据组成：

1. 节点和/或边的特征信息：对应于图中节点和边属性的稠密向量。</