神经网络通常以批量方式训练。PyG 通过创建稀疏块对角邻接矩阵（由 edge_index 定义）并在节点维度上连接特征矩阵和目标矩阵来实现对 mini-batch 的并行化。这种组合允许一个 batch 中的不同示例具有不同数量的节点和边：

PyG 自身包含 torch_geometric.loader.DataLoader ，它已经负责了这个连接过程。

from torch_geometric.datasets import TUDataset
from torch_geometric.loader import DataLoaderdataset = TUDataset(root='/tmp/ENZYMES', name='ENZYMES', use_node_attr=True)
loader = DataLoader(dataset, batch_size=32, shuffle=True)for batch in loader:print(batch)
"""
DataBatch(edge_index=[2, 3590], x=[988, 21], y=[32], batch=[988], ptr=[33])
DataBatch(edge_index=[2, 4260], x=[1155, 21], y=[32], batch=[1155], ptr=[33])
DataBatch(edge_index=[2, 3718], x=[968, 21], y=[32], batch=[968], ptr=[33])
DataBatch(edge_index=[2, 3506], x=[1017, 21], y=[32], batch=[1017], ptr=[33])
DataBatch(edge_index=[2, 4182], x=[1100, 21], y=[32], batch=[1100], ptr=[33])
DataBatch(edge_index=[2, 3890], x=[1021, 21], y=[32], batch=[1021], ptr=[33])
"""

torch_geometric.data.Batch 继承自 torch_geometric.data.Data ，并包含一个额外的属性称为 batch 。

batch 是一个列向量，将每个节点映射到批次中的相应图：

ptr 表示每个图在批处理数据中起始节点的索引，如果 ptr = [0, 12, 30, 45]，就代表：第 1 个图的节点索引为 [0, 12)，即 0 到 11，第 2 个图为 [12, 30)，第 3 个图为 [30, 45)。