클로드스킬마트스킬 둘러보기스킬이 뭐예요?
 
← 목록으로

PyTorch Geometric (PyG) 그래프 신경망 도우미

PyTorch Geometric으로 노드·링크·그래프 분류와 이종 그래프, 대규모 샘플링까지 정확한 패턴으로 구현하도록 돕는 스킬입니다.

개발·코딩고급★ 33,030⑂ 3,248AI 점수 8/10마지막 업데이트: 2026. 8. 9.

무엇을 해주나

PyTorch Geometric(PyG) 2.7 기준의 실전 사용법을 Claude에게 주입합니다.

  • Data / HeteroData 구조와 edge_index([2, num_edges] COO) 규칙 정확히 사용
  • GCN·GAT·GraphSAGE·GIN·HGT 등 60여 종 conv 레이어 중 작업에 맞는 선택 가이드(비교 표 제공)
  • 노드 분류(full-batch), 그래프 분류(DataLoader + global pooling), 링크 예측(RandomLinkSplit + 네거티브 샘플링) 템플릿
  • NeighborLoader, ClusterLoader 등 대규모 그래프 스케일링 전략
  • to_hetero(), HeteroConv, HGTConv 세 가지 이종 그래프 구성법
  • MessagePassing 서브클래싱으로 커스텀 레이어 작성(_i/_j 인덱싱 규칙 설명)
  • torch_geometric.explain을 통한 GNNExplainer/PGExplainer 해석
  • 초보자가 자주 틀리는 8가지 함정 정리(전치 누락, 활성함수 누락, 시드 노드 슬라이싱 등)

이런 분께 추천

  • 추천 시스템, 지식 그래프, 분자 예측 등 그래프 데이터로 딥러닝을 하는 연구자·엔지니어
  • NetworkX 분석 수준을 넘어 GNN 학습 파이프라인을 직접 구현해야 하는 분
  • PyG API가 자주 바뀌어 버전별 정확한 코드 예시가 필요한 분

활용 예시

  1. "Cora 데이터셋으로 2-layer GCN 노드 분류 학습 코드를 만들어줘" → Planetoid 로딩부터 train_mask 기반 학습·평가 루프까지 생성.
  2. "user-movie 평점 데이터를 HeteroData로 만들고 링크 예측 모델을 짜줘" → to_hetero()와 LinkNeighborLoader 패턴을 적용한 코드 제안.
  3. "ogbn-products처럼 GPU에 안 올라가는 그래프를 어떻게 학습하지?" → NeighborLoader의 num_neighbors 설계와 시드 노드 슬라이싱 주의점을 안내.

· · · 설치 가이드 · · ·

Claude 앱에 설치 (터미널 필요 없음)
  1. 아래 버튼으로 ZIP 파일을 받으세요.
  2. Claude 설정 → Capabilities에서 '코드 실행 및 파일 생성'을 켭니다. (한 번만)
  3. Claude에서 Customize → Skills → + → '스킬 업로드'를 누르고 받은 ZIP을 올립니다.
↓ ZIP 내려받기
Claude Code에 설치

Claude에게 맡기기 — 아래 문장을 Claude Code에 붙여넣으세요

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/torch-geometric 폴더를 내 ~/.claude/skills/torch-geometric/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.

직접 명령으로 설치하기

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git /tmp/sas && mkdir -p ~/.claude/skills && cp -r /tmp/sas/skills/torch-geometric ~/.claude/skills/

⚠ 제3자가 만든 스킬입니다. 설치 전 원본 저장소를 한 번 확인하세요.

  1. 터미널을 엽니다.
  2. 스킬 저장소를 내려받습니다: git clone https://github.com/K-Dense-AI/scientific-agent-skills.git
  3. 스킬 폴더를 만듭니다: mkdir -p ~/.claude/skills
  4. 해당 스킬만 복사합니다: cp -r scientific-agent-skills/skills/torch-geometric ~/.claude/skills/ (하위 references/ 폴더도 함께 복사되는지 확인하세요.)
  5. Python 환경을 준비합니다: pip install torch 후 pip install torch_geometric (Python 3.10+, PyTorch 2.6+ 필요).
  6. Claude Code를 재시작하고 "PyG로 그래프 분류 모델 만들어줘"처럼 요청하면 스킬이 자동 활성화됩니다.
GitHub에서 원본 보기 ↗라이선스: MIT