ripplenet程序实现笔记（TensorFlow版本）

Ripple原文地址： https://arxiv.org/pdf/1803.03467v4.pdf

ripple算法的Tensorflow版本下载地址：https://github.com/hwwang55/RippleNet

Pytorch版本下载地址：https://github.com/qibinc/RippleNet-PyTorch 

说明：ripplenet文章所附的tensorflow版本的程序里要求的是TensorFlow-GPU-1.4.0

Numpy=1.14.5，sklearn=0.19.1

根据要求配置环境我配置的环境如下

python3.6.5

TensorFlow-GPU-1.4.0

Cuda 8.0  cudnn6.0（注意cuda8.0和cudnn6.0只能匹配pytorch1.0所以使用pytorch实现时需注意）

numpy == 1.16.6（文章中用的是numpy1.14.5，但经过试验后没法运行程序）

scipy == 1.41

sklearn == 0.19.1

一、python环境配置

首先下载anaconda3，（我的电脑里面因为安装了VS2019，所以已经安装好了Microsoft Visual C++ 2015-2019 Redistributable (X86) 和（X64）两个版本。如果电脑没有安装VS软件，可以先安装一下这两个东西。）一般直接在清华镜像源里下载（清华镜像源）anaconda3和python对应的关系见anaconda python 版本对应关系因为需要的是3.6.5版本python，所以下载anaconda4.3.0版本的（其实第一次我下载的适配python3.5版本的anaconda4.2.0.版本的也是可以使用的）安装就一路next到底就可以，当然，我建议不要将anaconda安装到c盘，因为后续要建立很多环境下载很多拓展包，会把c盘空间占的很满，导致电脑变慢，所以我安装的是f盘

一路next就可记得勾选添加路径，这里我们不选择默认python3.6，因为之后各种项目用到的python版本是不同的，在配置环境的时候，可以用不同的python版本

当你勾选了添加环境变量以后，使用anaconda prompt和使用cmd就没有什么区别了，

那么使用win+R打开运行，输入cmd，再输入代码

python

（注意这里的python版本并不是我们要用的，是安装anaconda自带的），就可以看到配置信息了

二、安装TensorFlow对应的cuda和cudnn

安装这个首先要知道自己电脑是否有gpu，有才可以安装，论文中要求使用tensorflow-gpu-1.4.0版本，对应的cuda为8.0版本和cudnn6.0版本

由于cuda更新较快，所以需要下载cuda历史版本

cudnn官网下载图，记得看清楚版本号详细参考文章cuda安装教程+cudnn安装教程

三、配置tensorflow所需要的环境

1、安装tensorflow

重新打开cmd（或者输入exit（）退出python）

创建名字叫mytf的环境，输入

conda create -n mytf python=3.6

（这里如果输入3.6则是python3.6系列里最新的版本，也可以直接输入3.6.5安装，还要注意一点的就是我之前用的-name创建环境会出现PackageNotFoundError: Package not found这个错误，后来按照他提示的步骤也没解决，只能用-n来创建，我记得好像-name也可以创建来着）

完成之后就着这样的

输入

activate mytf

（mytf为环境名字） 激活环境

输入

pip install tensorflow-gpu==1.4.0 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

安装tensorflow-gpu版本的，注意这里安装的时候不要加--upgrade --ignore这俩个字符串，如果加这俩个后面可能会导致conda使用的时候报错，-i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com是我后面加的阿里镜像源(加镜像源-i前一定要有空格)，这样下载速度会加快很多，不加也可以，只不过在国内下载国外的软件会很慢，还是不是因为网络问题报错，还要重新下载

（我又卸载了重新安装了一下，上面是使用镜像源与使用镜像源对比速度500kb/s vs12.8mb/s，高下立判了家人们）

接下来我们检验以下tensorflow是否安装成功

重新进入cmd

使用

activate mytf

进入环境

输入

python

进入python中，接下来输入

import tensorflow as tf

hello=tf.constant("hello, tensorflow")

sess=tf.Session()

print(sess.run(hello))

如果出现

（最后一行print要输一个回车才能输出）说明安装成功

2、安装numpy包

在实现程序的过程中，我一开始安装的numpy版本是1.14.5，就是按照原文的numpy版本安装的，但是在最后运行的时候会报错说版本不匹配，于是我又从网上找了一下发现文章要求的sklearn0.19.1包对应的numpy是1.16.6版本的，所以我又下载了numpy1.16.6版本的，发现最后成功运行，所以我们安装1.16.6版本的numpy

在安装时，我们发现在上一步安装的tensorflow时，已经安装了一个版本的numpy

可是这个不是我们需要的版本，但是不用慌，只需要直接输入

pip install numpy==1.16.6 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

它就会自动删除原版本的numpy换成安装的版本 完成！

3、安装sklearn0.19.1包

在安装sklearn包时，它有前置条件，就是要求有numpy以及scipy，我们接着下载对应版本scipy1.4.1包，使用代码

pip install scipy==1.4.1 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

 安装成功后，打开环境所对应的文件夹会发现多出来numpy和scipy包的文件夹如图

4、安装sklearn0.19.1包

最后在前面都安装成功以后就可以安装sklearn了，同样使用阿里镜像源

pip install scikit-learn==0.19.1 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

这个时安装完成的程序图

Ok到这里环境配置就已经完成了

5、另一种方法

上面前四点说明的是比较简单的直接下载方式，但是会因为网络原因等其他关系下载失败，那么我这里简绍另一种安装方式，就是直接将所需要的拓展包下载到电脑上，使用pip安装，这样就不用担心因为网络问题而进行不下去了

可以在python拓展包这个网站中，下载到各种各样的拓展包

这里还有一个缺点就是有些历史版本找不到，不过这里需要注意的是，这里下载的时候一定要记得自己创建的环境python版本，用上图举例安装pytorch1.6.0，cp36就是指着python版本是3.6的，amd64就是64位操作系统适用的， 下载到电脑上后，打开cmd中的环境，进入到下载的路径中

输入

pip install torch-1.6.0-cp36-cp36m-win_amd64.whl

这里需要提醒一点，输入pip install时后面跟的时文件的全称，包括后缀.whl

 安装会快捷很多，不受网络影响

四、运行ripple算法程序

1、pycharm中配置环境

ripple算法的tensorflow版本下载地址：https://github.com/hwwang55/RippleNet

Pytorch版本下载地址：https://github.com/qibinc/RippleNet-PyTorch 

那么现在开始运行程序，打开pycharm，先打开你整个ripple程序包

然后选择整个项目运行的环境，点击setting，再点击右上角的齿轮会有add字样，选择下面的已经存在的环境选项，找到自己安装anaconda的地方，我安装的地方是f盘，选择envs文件夹，打开自己创建的环境mytf，选中Python.exe就可以了

 （这里需要注意的时，可能pycharm版本更新的很快，最新版本的pycharm在设置环境的之后会出现unsupported字样，那就是pycharm最低版本高于整个项目的python版本。举个栗子，我之前环境用的Python3.5，但是下载的2021.2.2版本的pycharm发现不支持python3.5版本，所以又卸载了新的下载的2019版本的）

配置好的环境如上图，可以看到环境里有文章需要的包，如果一开始没显示完全就点右边的绿色小圆圈，在配置成功以后pycharm右下角会出现

2、运行程序

终于到了这一步了，按照文章要求

第一步、在下面terminal栏中首先输入

cd src

进入src文件夹（注意要在自己创建的环境中运行，没有在创建的环境中运行会显示找不到numpy，找不到TensorFlow等问题）

第二步、然后预处理数据

python preprocess.py --dataset movie

预处理过后我们可以看到movie文件夹中多了俩个txt文件，这个就是预处理的结果

第三步、输入

python main.py --dataset movie

开始处理数据

在运行时又会多出俩个文件kg_final.npy和ratings_final.npy，那么这时候就是在运行程序了（当时我电脑风扇狂响），然后我们可以打开任务管理器看下

内存和gpu都保持高位运行，也说明就是在运行程序。我的笔记本还是960m的，所以运行起来非常慢，我记得当时第一次运行了整整一晚上，就是睡觉前开始跑，醒来才出结果，调用一张之前的结果图

OK到这里整个程序就全部运行完成了

最后说一句，pytorch版本的程序我也运行成功了，无非就是重新配一个要求的环境再运行一遍，只要注意版本匹配就不是很困难，这里就不赘述了。这篇文章主要参考了WIN10 配置并运行RippleNet算法，并且改进了和更新了许多这篇文章中不足的地方，其中有一部分就是跟着这篇文章踩的坑¯_¯，所以我才又想写这个笔记，不过还非常感谢这位博主，不然我一点都不会。

五、针对运行后的结果还存在的一些疑问

1、至于最后显示的这个结果，我好像只知道它是遍历了10次，至于5次或者20次的结果如何，我想后续再实验一下。

2、然后训练集分类器auc值逐渐增大，说明效果越来越好，后面acc准确率也在逐渐增大，但是后面的测设集分类器的auc值只能说保持稳定，而且又和训练集分类器auc差距这么大，不知道算不算正常现象，中间的eval auc代表什么意思还不太懂。

3、现在想知道最后的训练结果如何看到，不知道看哪里或者说怎么看，还有就是输出的kg_final.npy和ratings_final.npy如何打开，尝试用python或者txt方式打开都是乱码的。