STGNN 项目使用教程

STGNN 项目使用教程

STGNNThe pytorch implementation of Traffic Flow Prediction via Spatial Temporal Graph Neural Network项目地址:https://gitcode.com/gh_mirrors/st/STGNN

1. 项目的目录结构及介绍

STGNN/
├── data/
│   ├── processed/
│   └── raw/
├── models/
│   ├── __init__.py
│   ├── stgnn.py
│   └── utils.py
├── notebooks/
│   └── exploration.ipynb
├── scripts/
│   ├── preprocess.py
│   └── train.py
├── config/
│   └── config.yaml
├── README.md
├── requirements.txt
└── main.py

• data/: 存放数据文件，包括处理后的数据和原始数据。
• models/: 存放模型定义和相关工具函数。
• notebooks/: 存放探索性分析的 Jupyter 笔记本。
• scripts/: 存放预处理和训练脚本。
• config/: 存放配置文件。
• README.md: 项目说明文档。
• requirements.txt: 项目依赖包列表。
• main.py: 项目启动文件。

2. 项目的启动文件介绍

main.py 是项目的启动文件，负责加载配置、初始化模型、加载数据并启动训练过程。以下是 main.py 的主要内容：

import argparse
from config.config import load_config
from models.stgnn import STGNN
from scripts.train import train

def main():
    parser = argparse.ArgumentParser(description="Spatial Temporal Graph Neural Network")
    parser.add_argument("--config", type=str, default="config/config.yaml", help="Path to the config file.")
    args = parser.parse_args()

    config = load_config(args.config)
    model = STGNN(config)
    train(model, config)

if __name__ == "__main__":
    main()

3. 项目的配置文件介绍

config/config.yaml 是项目的配置文件，包含模型训练所需的各种参数。以下是配置文件的一个示例：

data:
  path: "data/processed/data.pkl"
  batch_size: 32
  num_workers: 4

model:
  input_dim: 6
  hidden_dim: 64
  output_dim: 1
  num_layers: 3

train:
  epochs: 100
  learning_rate: 0.001
  weight_decay: 0.0001

• data: 数据相关配置，包括数据路径、批量大小和数据加载的线程数。
• model: 模型相关配置，包括输入维度、隐藏层维度、输出维度和层数。
• train: 训练相关配置，包括训练轮数、学习率和权重衰减。

通过以上配置文件，可以灵活调整模型和训练过程的参数。

STGNNThe pytorch implementation of Traffic Flow Prediction via Spatial Temporal Graph Neural Network项目地址:https://gitcode.com/gh_mirrors/st/STGNN