GraphCL 开源项目教程
GraphCL项目地址:https://gitcode.com/gh_mirrors/gr/GraphCL
1. 项目的目录结构及介绍
GraphCL 项目的目录结构如下:
GraphCL/
├── data/
│ ├── __init__.py
│ ├── data_util.py
│ ├── molecule_dataset.py
│ ├── mutag_dataset.py
│ ├── nci1_dataset.py
│ ├── proteins_dataset.py
│ └── tox21_dataset.py
├── models/
│ ├── __init__.py
│ ├── gnn.py
│ ├── infograph.py
│ ├── jt_vae.py
│ ├── mlp.py
│ ├── nce_graph.py
│ ├── readout.py
│ └── subgraph.py
├── README.md
├── requirements.txt
├── run_graphcl.py
├── setup.py
├── train_graphcl.py
└── utils/
├── __init__.py
├── augment.py
├── contrastive_loss.py
├── graph_util.py
├── logger.py
├── metrics.py
├── optimizer.py
└── visualization.py
目录结构介绍
-
data/
: 包含数据处理相关的脚本和数据集类。data_util.py
: 数据处理工具。molecule_dataset.py
: 分子数据集类。mutag_dataset.py
: Mutag 数据集类。nci1_dataset.py
: NCI1 数据集类。proteins_dataset.py
: Proteins 数据集类。tox21_dataset.py
: Tox21 数据集类。
-
models/
: 包含各种图神经网络模型。gnn.py
: 图神经网络模型。infograph.py
: InfoGraph 模型。jt_vae.py
: Junction Tree VAE 模型。mlp.py
: 多层感知机模型。nce_graph.py
: NCE Graph 模型。readout.py
: 读出层模型。subgraph.py
: 子图模型。
-
utils/
: 包含各种辅助工具和函数。augment.py
: 数据增强工具。contrastive_loss.py
: 对比损失函数。graph_util.py
: 图处理工具。logger.py
: 日志工具。metrics.py
: 评估指标。optimizer.py
: 优化器。visualization.py
: 可视化工具。
2. 项目的启动文件介绍
项目的启动文件是 run_graphcl.py
。该文件负责配置和启动训练过程。
启动文件介绍
run_graphcl.py
: 主启动文件,包含训练和测试的配置和调用。
3. 项目的配置文件介绍
项目的配置文件主要是 train_graphcl.py
中的配置部分。该文件包含了训练过程中的各种参数配置。
配置文件介绍
train_graphcl.py
: 训练配置文件,包含模型、数据集、优化器、损失函数等的配置。
以上是 GraphCL 开源项目的目录结构、启动文件和配置文件的介绍。希望这些信息能帮助你更好地理解和使用该项目。