AGL 样本构建完成之后，目前数据以 csv 的形式存储，每条样本包含几个 column， 其中一个 column 存储 序列化后的 GraphFeature. 其他 column 可能是样本id, label，样本级别特征等信息。
基于Pytorch, AGL提供两个简单的 Dataset，读取这些csv文件，并构建模型所需的训练/验证/测试集。 假设你构建好的 PPI 训练接名称为 ppi_train.csv:
-
AGLTorchMapBasedDataset （map-style dataset）
from agl.python.dataset.map_based_dataset import AGLTorchMapBasedDataset train_data_set = AGLTorchMapBasedDataset("/your_path_to/ppi_train.csv") print(train_data_set[0]) # 查看第一条数据
-
AGLIterableDataset （iterable-stype dataset）
和上述 AGLTorchMapBasedDataset 使用方法类似，但需要指定batch_size (dataloader 中不要再设置batch_size)
from agl.python.dataset.iterable_dataset import AGLIterableDataset train_data_set = AGLIterableDataset(file="/your_path_to/ppi_train_.csv") for data in iterable_dataset: print(f"data : {data}") break
不失一般性，在后面的样例中，我们都以AGLTorchMapBasedDataset作为读取数据的方式。