企业官网建设流程全解析

3步搞定PyG QM9数据集加载：下载报错、依赖降级、目标索引踩坑排查手册

【免费下载链接】pytorch_geometricGraph Neural Network Library for PyTorch项目地址: https://gitcode.com/GitHub_Trending/py/pytorch_geometric

本文解决 PyTorch Geometric（PyG）加载 QM9 时最常见的三类故障：FileNotFoundError下载缺文件、RDKit 缺失导致的静默降级、以及 DimeNet 预训练场景下的目标属性索引错位。全文按"现象→原因→解法→验证"分诊，文末附一段可直接复制运行的完整训练脚本。

先判断你踩的是哪个坑：30秒自检

QM9 收录约 13 万个有机小分子的 19 种量子化学性质，是分子属性回归的标准测试集。PyG 将其封装为QM9类，完整链路分四步：下载 → 处理 → 训练 → 提速。对照上表定位环节后再动手，能少走一半弯路。

环节一：QM9下载目录里找不到 gdb9.sdf 怎么修

现象

FileNotFoundError: [Errno 2] No such file or directory: 'data/QM9/raw/gdb9.sdf'

原因

当环境里能 import 到 rdkit 时，QM9 的下载依赖三个文件：gdb9.sdf、gdb9.sdf.csv、uncharacterized.txt（实现见 torch_geometric/datasets/qm9.py）。父类 InMemoryDataset（一种把处理产物缓存为磁盘二进制文件、加载时整体读入内存的数据集形态）会逐个核对raw_file_names，缺任何一个就重新触发下载。网络中断、代理超时、目录被手动挪动，都会让文件只落下一部分。

解法

1. 根目录固定用相对路径，如root = 'data/QM9'，目录会自动创建；
2. 网络不稳时，手动下载原始压缩包解压到raw/再运行；
3. 怀疑缓存损坏时，加force_reload=True强制重走处理流程。

验证：processed/下生成data_v3.pt，且len(dataset)输出 130831。

⚠️ 注意一个容易混淆的细节：没装 RDKit 时检查的文件是qm9_v3.pt而不是gdb9.sdf。所以报gdb9.sdf缺失，说明当时环境里 rdkit 是可导入的。

环节二：RDKit 装不上怎么办，数据会"静默降级"

现象

Using a pre-processed version of the dataset. Please install 'rdkit' ...

原因

RDKit 是化学信息学工具包，负责把 SDF 格式的分子文件解析成图结构（节点特征x、边edge_index、3D 坐标pos等）。缺少它时，PyG 自动改下预处理的qm9_v3.zip：功能上仍能训练，但没有 SMILES 等字段，也无法自行复核分子结构。这条分支是"静默降级"——只在 stderr 打一行提示，不仔细看根本发现不了。

解法

pip install rdkit # 或 conda install -c conda-forge rdkit

装完后删掉raw/与processed/两个目录（或传force_reload=True），让它重新走原始 SDF 的处理路径。

验证：print(dataset[0].smiles)能打印出 SMILES 字符串即恢复完整版本。

环节三：QM9 目标属性索引错位的处理办法

现象：用 DimeNet 预训练模型评测时，报 target 越界（形如Expected target 7 to be in [0, 11], got 12），或 loss 与论文数值明显对不上。

原因：DimeNet 的预训练权重针对 U0、U、H、G 四个"原子化能"训练。QM9 属性表里它们位于索引 7、8、9、10，而 DimeNet 内部把属性顺序重排成[0,1,2,3,4,5,6,12,13,14,15,11]，把热容c_v挪到了末尾。直接用原始编号当目标，取到的就是另一列。

解法

• 推荐走类方法from_qm9_pretrained，重排和训练/验证/测试划分都在内部完成，参考 examples/qm9_pretrained_dimenet.py、examples/qm9_pretrained_schnet.py；
• 手动重排则只需一行索引置换：

import torch idx = torch.tensor([0, 1, 2, 3, 4, 5, 6, 12, 13, 14, 15, 11]) dataset.data.y = dataset.data.y[:, idx]

验证：重排后dataset.data.y.shape为 (130831, 12)，且第 7 列对应 U0^ATOM。

环节四：13万个分子如何加载得快、训得动

处理完成后 QM9 会一次性整体载入内存（InMemoryDataset 的设计），第二次起加载是秒级。提速重点在 DataLoader 侧：

• 多进程预取：DataLoader(..., num_workers=4)，让数据预处理与 GPU 计算并行；
• 按节点数动态分批：分子图大小不均，以"每批总节点数"为预算能让各 step 耗时更均匀，实现见 torch_geometric/loader/dynamic_batch_sampler.py：

from torch_geometric.loader import DataLoader from torch_geometric.loader.dynamic_batch_sampler import DynamicBatchSampler sampler = DynamicBatchSampler(dataset, max_num_nodes=1024, shuffle=True) loader = DataLoader(dataset, batch_sampler=sampler, num_workers=4)

• 多路 CPU 服务器：可把 worker 绑定到单路 socket，官方对比实验见 docs/source/advanced/cpu_affinity.rst。

上图是官方在不同 worker 数与亲和性配置下的训练耗时对比：加大 worker 并配置亲和性后，端到端训练时间可缩短约 1.5~1.85 倍。

最小可运行示例

复制即跑，首次运行会自动下载并处理数据：

import os import torch import torch.nn.functional as F from torch_geometric.datasets import QM9 from torch_geometric.loader import DataLoader from torch_geometric.nn import SchNet root = 'data/QM9' dataset = QM9(root) # 自动下载 + 处理，断点可续 print(len(dataset)) # 130831 # 打乱后切分：10w 训练 / 1w 验证 / 2w 测试 dataset = dataset.shuffle() train_ds = dataset[:100000] val_ds = dataset[100000:110000] test_ds = dataset[110000:] loader = DataLoader(train_ds, batch_size=64, shuffle=True, num_workers=4) device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = SchNet(hidden_channels=128, num_filters=128, num_interactions=6, num_gaussians=50).to(device) optimizer = torch.optim.Adam(model.parameters(), lr=1e-3) target = 0 # 预测偶极矩 for epoch in range(1, 5): model.train() for data in loader: data = data.to(device) optimizer.zero_grad() out = model(data.z, data.pos, data.batch) loss = F.mse_loss(out.view(-1), data.y[:, target]) loss.backward() optimizer.step() print(f'epoch {epoch}, loss {loss.item():.4f}')

高频问题速查

进阶方向

• NNConv 分子属性回归示例：examples/qm9_nn_conv.py
• 大分子数据集多卡训练：examples/multi_gpu/pcqm4m_ogb.py
• 模块级文档入口：docs/source/modules

下一步行动建议：跑通上面的最小示例后，把target改成 7，并用dataset.atomref(7)对目标做参考能量校正再训练，对比一下两种设置下 loss 的收敛曲线——这是 QM9 评测前的标准操作，也是读懂qm9.py里atomrefs字典最快的方式。

【免费下载链接】pytorch_geometricGraph Neural Network Library for PyTorch项目地址: https://gitcode.com/GitHub_Trending/py/pytorch_geometric