Nous présentons PyTorch Geometric, une bibliothèque dédiée à l'apprentissage profond sur des données d'entrée irrégulièrement structurées telles que des graphes, des nuages de points et des variétés, construite sur la base de PyTorch. Outre les structures de données générales pour les graphes et les méthodes de traitement associées, elle intègre une variété de méthodes récemment publiées dans les domaines de l'apprentissage relationnel et du traitement de données 3D. PyTorch Geometric atteint un débit élevé de données en exploitant l'accélération GPU creuse, en fournissant des noyaux CUDA dédiés et en introduisant une gestion efficace des mini-lots pour des exemples d'entrée de tailles différentes. Dans ce travail, nous présentons la bibliothèque en détail et effectuons une étude comparative exhaustive des méthodes implémentées dans des scénarios d'évaluation homogènes.