설명
이 GitHub 저장소, chennnM/GCNII는 "Simple and Deep Graph Convolutional Networks" (GCNII) 연구 논문의 PyTorch 구현을 제공합니다. 이 프로젝트는 연구원과 개발자에게 GCNII를 실험하고 구축할 수 있는 쉽게 접근 가능하고 기능적인 코드베이스를 제공하는 것을 목표로 합니다.
더 읽기
이 구현은 Cora, Citeseer, Pubmed와 같은 벤치마크 세트를 포함한 다양한 그래프 데이터셋과 Chameleon, Cornell, Texas, Wisconsin과 같은 추가 데이터셋을 지원합니다. GCN 및 Geom-GCN과 같은 관련 연구에서 설명된 실험 설정을 반영하여 준지도 및 완전 지도 학습 설정을 모두 재현할 수 있습니다. 또한 저장소에는 이러한 실험을 실행하기 위한 스크립트가 포함되어 있어 보고된 결과를 쉽게 재현할 수 있습니다.
구현의 핵심 구성 요소에는 핵심 모델 아키텍처, 데이터 로딩 및 전처리 유틸리티, 학습 스크립트가 포함됩니다. 프로젝트는 CUDA, Python, PyTorch, NetworkX, scikit-learn과 같은 종속성을 자세히 설명하여 사용자가 환경을 올바르게 설정할 수 있도록 합니다. 또한 PyG (PyTorch Geometric) 폴더 내의 참조 구현은 PyTorch Geometric 라이브러리와의 통합을 선호하거나 필요한 사용자를 위해 제공되며, torch-geometric 및 ogb에 대한 특정 버전 요구 사항이 있습니다.
이 저장소는 또한 다양한 데이터셋과 설정에 대한 테스트 정확도 결과 요약을 제공하여 사용자가 자신의 구현 또는 결과를 비교할 수 있는 벤치마크를 제공합니다. 사용 지침은 명확하며 준지도, 완전 지도 및 귀납적 PPI 실험에 대한 제공된 쉘 스크립트를 실행하는 방법에 대한 지침을 제공합니다. 이를 통해 GCNII 모델을 그래프 기반 기계 학습 작업에 실질적으로 적용할 수 있습니다.
이 프로젝트는 README 파일에 대한 최근 업데이트와 함께 적극적으로 유지 관리됩니다. 커뮤니티 참여를 나타내는 기여 및 포크를 통해 오픈 소스 개발의 협업적 특성을 강조합니다. 사용되는 주요 언어는 Python이며, 유틸리티 목적으로 소량의 Shell 스크립팅이 사용됩니다. 이 리소스는 고급 그래프 신경망 및 그 응용에 관심이 있는 모든 사람에게 유용합니다.
- 카테고리머신러닝 플랫폼
- 요금제오픈소스
- 배포클라우드, 셀프 호스팅
- 플랫폼Linux, Windows
GCNII의 핵심 기능
GCNII 모델의 PyTorch 구현
준지도 학습 지원
완전 지도 학습 지원
벤치마크 데이터셋 포함 (Cora, Citeseer, Pubmed)
추가 데이터셋 포함 (Chameleon, Cornell, Texas, Wisconsin)
실험 결과 재현을 위한 스크립트 포함
PyTorch Geometric 참조 구현 제공
환경 설정을 위한 종속성 상세 설명
테스트 정확도 결과 요약
실험을 위한 사용 지침 포함
주로 Python으로 작성된 코드베이스
GCNII 시작하기
환경 설정: CUDA, Python 3.6.9, PyTorch 1.3.1, NetworkX 2.1, scikit-learn 설치.
데이터셋 다운로드: 'data' 및 'newdata' 폴더에 데이터 배치.
준지도 결과 재현: `sh semi.sh` 실행.
완전 지도 결과 재현: `sh full.sh` 실행.
귀납적 PPI 결과 재현: `sh ppi.sh` 실행.
PyG 구현 통합: torch-geometric >= 1.5.0 및 ogb >= 1.2.0이 설치되었는지 확인.
PyG 예제 실행: `python cora.py` 또는 `python arxiv.py` 실행.
GCNII의 사용 사례
- 그래프 신경망 연구
- 연구 결과 재현
- 그래프 기반 기계 학습
- 모델 벤치마킹
- 교육 도구
- 그래프에서의 귀납적 학습
