TJU deep_learning course project
python3.9
Torch = 1.10.0
需要的依赖
numpy
scipy
hyperopt
torch_geometric
tensorboard
使用pytorch-geometric加载数据集，pyg安装方法：
pip install torch-scatter -f https://data.pyg.org/whl/torch-${TORCH}+${CUDA}.html
pip install torch-sparse -f https://data.pyg.org/whl/torch-${TORCH}+${CUDA}.html
pip install torch-geometric其中${TORCH}和${CUDA}分别对应相应软件的版本，通过以下命令查看版本
python -c "import torch; print(torch.__version__)"
python -c "import torch; print(torch.version.cuda)"| 数据集 | 来源 | 图 | 节点 | 边 | 特征 | 标签 |
|---|---|---|---|---|---|---|
| Cora | “Collective classification in network data,” AI magazine,2008 | 1 | 2708 | 5429 | 1433 | 7 |
| Citeseer | “Collective classification in network data,” AI magazine,2008 | 1 | 3327 | 4732 | 3703 | 6 |
| Pubmed | “Collective classification in network data,” AI magazine,2008 | 1 | 19717 | 44338 | 500 | 3 |
以上数据集均可以使用pyg以统一形式加载，无需特别下载。
原始数据位于raw_data下，下载链接
在GNN目录下直接运行train.py，按照默认参数设置训练
python train.py详细的参数设置执行
python tran.py --helpSGC
| 数据集 | loss | Accuracy | Time(s) |
|---|---|---|---|
| Cora | 0.7997 | 0.8130 | 0.7400 |
| Citeseer | 1.0555 | 0.7120 | 0.8151 |
| Pubmed | 0.5718 | 0.7950 | 0.4131 |
GCN
| 数据集 | loss | Accuracy | Time(s) |
|---|---|---|---|
| Cora | 0.7871 | 0.8190 | 6.3408 |
| Citeseer | 1.0324 | 0.7100 | 18.3622 |
| Pubmed | 0.5956 | 0.7810 | 24.6462 |
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent