开源项目 GCN 使用教程

开源项目 GCN 使用教程

gcnImplementation of Graph Convolutional Networks in TensorFlow项目地址:https://gitcode.com/gh_mirrors/gc/gcn

1. 项目的目录结构及介绍

gcn/
├── LICENSE
├── README.md
├── data/
│   ├── cora/
│   │   ├── ind.cora.allx
│   │   ├── ind.cora.ally
│   │   ├── ind.cora.graph
│   │   ├── ind.cora.test.index
│   │   ├── ind.cora.tx
│   │   ├── ind.cora.ty
│   │   ├── ind.cora.x
│   │   └── ind.cora.y
│   └── README.md
├── models/
│   ├── base_gcn.py
│   ├── gcn.py
│   └── layers.py
├── notebooks/
│   └── gcn.ipynb
├── setup.py
├── tests/
│   └── test_gcn.py
├── utils/
│   ├── __init__.py
│   ├── process.py
│   └── sparse.py
└── train.py

目录结构介绍

• LICENSE: 项目的许可证文件。
• README.md: 项目的基本介绍和使用说明。
• data/: 存放数据集的目录，例如 Cora 数据集。
• models/: 包含 GCN 模型的实现文件。
• notebooks/: Jupyter Notebook 文件，用于交互式演示和实验。
• setup.py: 项目的安装脚本。
• tests/: 测试文件，用于测试模型的正确性。
• utils/: 工具函数和辅助代码。
• train.py: 项目的启动文件，用于训练 GCN 模型。

2. 项目的启动文件介绍

train.py

train.py 是项目的启动文件，用于训练 GCN 模型。以下是该文件的主要功能和结构：

import time
import argparse
import numpy as np
import torch
import torch.nn.functional as F
import torch.optim as optim
from utils import load_data, accuracy
from models import GCN

# 参数解析
parser = argparse.ArgumentParser()
parser.add_argument('--no-cuda', action='store_true', default=False, help='Disables CUDA training.')
parser.add_argument('--fastmode', action='store_true', default=False, help='Validate during training pass.')
parser.add_argument('--seed', type=int, default=42, help='Random seed.')
parser.add_argument('--epochs', type=int, default=200, help='Number of epochs to train.')
parser.add_argument('--lr', type=float, default=0.01, help='Initial learning rate.')
parser.add_argument('--weight_decay', type=float, default=5e-4, help='Weight decay (L2 loss on parameters).')
parser.add_argument('--hidden', type=int, default=16, help='Number of hidden units.')
parser.add_argument('--dropout', type=float, default=0.5, help='Dropout rate (1 - keep probability).')

args = parser.parse_args()
args.cuda = not args.no_cuda and torch.cuda.is_available()

np.random.seed(args.seed)
torch.manual_seed(args.seed)
if args.cuda:
    torch.cuda.manual_seed(args.seed)

# 加载数据
adj, features, labels, idx_train, idx_val, idx_test = load_data()

# 模型和优化器
model = GCN(nfeat=features.shape[1],
            nhid=args.hidden,
            nclass=labels.max().item() + 1,
            dropout=args.dropout)
optimizer = optim.Adam(model.parameters(),
                       lr=args.lr, weight_decay=args.weight_decay)

if args.cuda:
    model.cuda()
    features = features.cuda()
    adj = adj.cuda()
    labels = labels.cuda()
    idx_train = idx_train.cuda()
    idx_val = idx_val.cuda()
    idx_test = idx_test.cuda()

# 训练函数
def train(epoch):
    t = time.time()
    model.train()
   

gcnImplementation of Graph Convolutional Networks in TensorFlow项目地址:https://gitcode.com/gh_mirrors/gc/gcn