SEAL-CI 开源项目使用教程

SEAL-CI 开源项目使用教程

SEAL-CIA PyTorch implementation of "Semi-Supervised Graph Classification: A Hierarchical Graph Perspective" (WWW 2019)项目地址:https://gitcode.com/gh_mirrors/se/SEAL-CI

1. 项目的目录结构及介绍

SEAL-CI/
├── data/
│   ├── graphs/
│   └── synthetic_edges.csv
├── src/
│   ├── main.py
│   ├── model.py
│   ├── utils.py
│   └── config.py
├── README.md
└── requirements.txt

• data/: 存储项目所需的数据文件，包括图数据和层次图数据。
  • graphs/: 存储训练图数据的文件夹。
  • synthetic_edges.csv: 层次图数据文件。
• src/: 包含项目的主要源代码文件。
  • main.py: 项目的启动文件。
  • model.py: 定义模型结构的文件。
  • utils.py: 包含一些辅助函数和工具。
  • config.py: 配置文件。
• README.md: 项目说明文档。
• requirements.txt: 项目依赖的Python库列表。

2. 项目的启动文件介绍

main.py

main.py 是项目的启动文件，负责加载数据、配置模型参数、训练模型等。以下是主要功能介绍：

• 数据加载: 从 data/graphs/ 和 data/synthetic_edges.csv 加载训练数据。
• 模型配置: 通过命令行参数配置模型参数，如 epochs, budget, labeled-count 等。
• 模型训练: 使用加载的数据和配置的参数训练模型。

命令行参数

python src/main.py --graphs input/graphs/ --hierarchical-graph input/synthetic_edges.csv --epochs 10 --budget 20 --labeled-count 100

3. 项目的配置文件介绍

config.py

config.py 文件包含了模型的配置参数，可以通过修改这些参数来调整模型的行为。以下是一些关键配置参数的介绍：

• epochs: 训练的轮数，默认值为10。
• budget: 每次迭代中新增的标注节点数，默认值为20。
• labeled-count: 初始标注实例的数量，默认值为100。
• first-gcn-dimensions: 图级GCN的第一层过滤器数量，默认值为16。
• second-gcn-dimensions: 图级GCN的第二层过滤器数量，默认值为8。
• first-dense-neurons: SAGE聚合器的神经元数量，默认值为16。
• second-dense-neurons: SAGE注意力层的神经元数量，默认值为4。
• macro-gcn-dimensions: 宏观级GCN的过滤器数量。

通过修改这些配置参数，可以灵活地调整模型的训练过程和性能。

---

以上是 SEAL-CI 开源项目的使用教程，希望对您有所帮助。如果有任何问题，请参考项目的 GitHub 页面 获取更多信息。

SEAL-CIA PyTorch implementation of "Semi-Supervised Graph Classification: A Hierarchical Graph Perspective" (WWW 2019)项目地址:https://gitcode.com/gh_mirrors/se/SEAL-CI