The Open Graph Benchmark (OGB) is a collection of benchmark datasets, data loaders, and evaluators for graph machine learning. Datasets cover a variety of graph machine learning tasks and real-world applications.

The Open Graph Benchmark (OGB) is a collection of realistic, large-scale, and diverse benchmark datasets for machine learning on graphs. OGB datasets are automatically downloaded, processed, and split using the OGB Data Loader. The model performance can be evaluated using the OGB Evaluator in a unified manner.

2022年10月20日 · 其开发了一个包，名字叫做ogb，并且提供了接口给两大最流行的图 神经网络 库： DGL 和PyG。 例如如果我们要做节点分类这个任务，可以如下使用ogb提供的基准数据集，

OGB是一个真实的、大规模的、多样的并用于图学习的基准测试数据集。 斯坦福大学的Jure Leskovec教授在 NeurlPS 2019 大会的演讲中介绍了OGB并宣布开源，可以在其项目官网进行访问。

2024年8月21日 · Snap-Stanford 的 Open Graph Benchmark (OGB) 是一个用于图机器学习研究的高质量数据集集合。 它旨在促进图神经网络（GNN）及其在各种真实世界图数据上的应用评估。 OGB 提供了多个领域的大规模图数据，包括化学、社交网络以及计算机科学等，同时也提供了详细的元数据和标准化的评估协议。 要快速启动并运行OGB，首先你需要安装必要的依赖项，然后下载数据集并执行基本的图任务示例。 下面是使用Python进行快速启动的步骤： 确保你的环 …

We highlight two key features of OGB, namely, (1) easy-to-use data loaders, and (2) standardized evaluators. We prepare easy-to-use PyTorch Geometric and DGL data loaders. We handle …

2024年11月29日 · Open Graph Benchmark (OGB) 是由斯坦福大学 SNAP (Stanford Network Analysis Platform) 团队开发的一个图机器学习基准数据集集合。 这个项目提供了多种图机器学习任务的数据集、数据加载器以及性能评估工具。 OGB 覆盖了节点级、边级和图级预测任务，并且包含了不同规模和领域的图数据集。 主要编程语言为 Python，与流行的图深度学习框架 PyTorch Geometric 和 Deep Graph Library (DGL) 兼容。 2. 新手常见问题及解决步骤. 问题一：如何安 …

Thanks to the DGL Team, all the LSC data is now hosted on AWS. This significantly improves the download speed around the globe! The underlying data stays exactly the same. This release …

OGB contains graph datasets that are managed by data loaders. The loaders handle downloading and pre-processing of the datasets. Additionally, OGB has standardized evaluators and leaderboards to keep track of state-of-the-art results. The OGB components are closely tied to OGB Python package, as detailed below.

2019年12月15日 · OGB is a collection of benchmark datasets, data-loaders and evaluators for graph machine learning in PyTorch. Data-loaders are fully compatible with PyTorch Geometric (PYG) and Deep Graph Library (DGL). The goal is to have an easily-accessible standardized large-scale benchmark datasets to drive research in graph machine learning.