PyG 中内置了大量通用基础数据集，如 Planetoid datasets、图分类数据集、QM7和QM9数据集、少量的3D网格/点云数据集等。初始化一个数据集十分简单，PyG 会自动处理成 Data 格式。对于 ENZYMES 数据集，包含37个节点，每个节点有3个特征，同时有 168/2=84条无向边。
综上所述，`Data` 对象的基本属性包括 `x`（节点特征）、`edge_index`（边的索引）、`pos`（节点位置）和 `y`（样本标签）。在构建 Dataset 时，可以使用 PyG 提供的工具，如 `TUDataset`，通过简单的代码加载数据集，并通过索引访问每个数据。
这种表达也被叫做COO格式（coordinate format），它通常被用作表达稀疏矩阵。与在密集表达内持有邻接信息[公式]不同，PyG稀疏地表达图，也就是只持有[公式]里非零的坐标或值。而且，PyG并不区分有向和无向图，它将无向图视作有向图的一个特例。
PyTorch Geometric （PyG） 是一个基于 PyTorch 的图神经网络库，便于实现论文复现和数据处理，其接口设计与PyTorch相近，适合熟悉该框架的用户使用。构建图的基础是PyG中的torch_geometric.data.Data对象，它包含节点和边信息，非必需属性可为空。Data对象可扩展，如存储三维网格的三角形连接性。
PyG提供了两个数据集的抽象类：torch_geometric.data.Dataset 和 torch_geometric.data.InMemoryDataset。torch_geometric.data.InMemoryDataset 继承自 torch_geometric.data.Dataset，如果整个数据集可以放入CPU内存中，就应该使用它。每个数据集都会传递一个 root 文件夹，用于指示应将数据集存储在何处。
