GraphCL 开源项目教程

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。

GraphCL项目地址:https://gitcode.com/gh_mirrors/gr/GraphCL