Deep_GCN_Benchmarking 项目使用教程

Deep_GCN_Benchmarking 项目使用教程

Deep_GCN_Benchmarking项目地址:https://gitcode.com/gh_mirrors/de/Deep_GCN_Benchmarking

1. 项目的目录结构及介绍

Deep_GCN_Benchmarking 项目的目录结构如下：

Deep_GCN_Benchmarking/
├── configs/
│   └── ... (各种模型配置文件)
├── data/
│   └── ... (数据集文件)
├── layers/
│   └── ... (图神经网络层实现)
├── nets/
│   └── ... (图神经网络模型实现)
├── scripts/
│   └── ... (脚本文件)
├── train/
│   └── ... (训练相关文件)
├── utils/
│   └── ... (工具函数)
├── visualization/
│   └── ... (可视化相关文件)
├── .gitignore
├── LICENSE
├── README.md
├── environment_cpu.yml
├── environment_gpu.yml
├── main_COLLAB_edge_classification.ipynb
├── main_COLLAB_edge_classification.py
├── main_CSL_graph_classification.ipynb
└── main_CSL_graph_classification.py

目录介绍：

• configs/: 包含各种模型的配置文件。
• data/: 存储数据集文件。
• layers/: 包含图神经网络层的实现。
• nets/: 包含图神经网络模型的实现。
• scripts/: 包含各种脚本文件。
• train/: 包含训练相关文件。
• utils/: 包含工具函数。
• visualization/: 包含可视化相关文件。
• .gitignore: Git 忽略文件配置。
• LICENSE: 项目许可证。
• README.md: 项目说明文档。
• environment_cpu.yml: CPU 环境配置文件。
• environment_gpu.yml: GPU 环境配置文件。
• main_COLLAB_edge_classification.ipynb: 边分类任务的 Jupyter Notebook 文件。
• main_COLLAB_edge_classification.py: 边分类任务的 Python 脚本文件。
• main_CSL_graph_classification.ipynb: 图分类任务的 Jupyter Notebook 文件。
• main_CSL_graph_classification.py: 图分类任务的 Python 脚本文件。

2. 项目的启动文件介绍

项目的启动文件主要是 main_COLLAB_edge_classification.py 和 main_CSL_graph_classification.py。

main_COLLAB_edge_classification.py

该文件用于启动边分类任务的训练和评估。使用方法如下：

python main_COLLAB_edge_classification.py --compare_model=1 --cuda_num=0 --type_model=<model> --dataset=<dataset>

其中 <model> 和 <dataset> 需要替换为具体的模型和数据集名称。

main_CSL_graph_classification.py

该文件用于启动图分类任务的训练和评估。使用方法如下：

python main_CSL_graph_classification.py --compare_model=1 --cuda_num=0 --type_model=<model> --dataset=<dataset>

同样，<model> 和 <dataset> 需要替换为具体的模型和数据集名称。

3. 项目的配置文件介绍

项目的配置文件主要位于 configs/ 目录下，每个模型都有对应的配置文件。例如：

• configs/APPNP.yml
• configs/DAGNN.yml
• configs/GAT.yml
• configs/GCN.yml
• configs/GCNII.yml
• configs/GPRGNN.yml
• configs/JKNet.yml
• configs/SGC.yml

这些配置文件定义了模型的超参数和其他相关设置。在使用特定模型时，需要参考对应的配置文件进行参数设置。

例如，使用 APPNP 模型在 Cora 数据集上进行训练时，可以参考 configs/APPNP.yml 文件中的参数设置。

model: APPNP
dataset: Cora
learning_rate: 0.01
hidden_channels: 64
dropout: 0.5
...

通过修改这些配置文件，可以调整模型的训练参数，以达到最佳的训练效果。

Deep_GCN_Benchmarking项目地址:https://gitcode.com/gh_mirrors/de/Deep_GCN_Benchmarking