PM2.5-GNN 项目使用教程

PM2.5-GNN 项目使用教程

PM2.5-GNN PM2.5-GNN: A Domain Knowledge Enhanced Graph Neural Network For PM2.5 Forecasting 项目地址: https://gitcode.com/gh_mirrors/pm/PM2.5-GNN

1. 项目的目录结构及介绍

PM2.5-GNN/
├── data/
│   └── (数据文件)
├── model/
│   └── (模型文件)
├── .gitignore
├── LICENSE
├── PM2.5-GNN presentation SigSPATIAL 2020.pdf
├── README.md
├── config.yaml
├── dataset.py
├── graph.py
├── pm2_5_gnn_sigspatial.pdf
├── requirements.txt
├── train.py
└── util.py

目录结构介绍

• data/: 存放项目所需的数据文件。
• model/: 存放训练好的模型文件。
• .gitignore: Git 忽略文件配置。
• LICENSE: 项目许可证文件。
• PM2.5-GNN presentation SigSPATIAL 2020.pdf: 项目在 SIGSPATIAL 2020 上的演示文稿。
• README.md: 项目说明文件。
• config.yaml: 项目配置文件。
• dataset.py: 数据集处理脚本。
• graph.py: 图神经网络相关脚本。
• pm2_5_gnn_sigspatial.pdf: 项目论文文件。
• requirements.txt: 项目依赖库文件。
• train.py: 模型训练脚本。
• util.py: 项目工具函数脚本。

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 PM2.5 预测模型。该脚本会读取配置文件 config.yaml 中的参数，加载数据集，构建图神经网络模型，并进行训练。

使用方法

python train.py

3. 项目的配置文件介绍

config.yaml

config.yaml 是项目的配置文件，包含了模型训练所需的各种参数配置。以下是配置文件的部分内容示例：

# 数据集配置
dataset:
  name: "KnowAir"
  path: "data/KnowAir.csv"

# 模型配置
model:
  hidden_dim: 64
  num_layers: 2

# 训练配置
train:
  epochs: 100
  batch_size: 32
  learning_rate: 0.001

配置文件介绍

• dataset: 数据集相关配置，包括数据集名称和路径。
• model: 模型相关配置，包括隐藏层维度、层数等。
• train: 训练相关配置，包括训练轮数、批量大小、学习率等。

通过修改 config.yaml 文件中的参数，可以调整模型的训练行为和数据处理方式。

PM2.5-GNN PM2.5-GNN: A Domain Knowledge Enhanced Graph Neural Network For PM2.5 Forecasting 项目地址: https://gitcode.com/gh_mirrors/pm/PM2.5-GNN