描述
此 GitHub 存储库托管了简化图卷积网络 (SGC) 模型的官方实现，该模型在 ICML2019 论文中有详细介绍。SGC 是图卷积网络 (GCN) 的一项进展，它通过消除非线性并折叠权重矩阵来简化架构。这种转换产生了一个线性模型，该模型在大幅缩短训练时间和计算资源的同时，保持了具有竞争力的性能。
阅读更多
该实现支持各种图数据集，包括 Cora、Citeseer 和 Pubmed 等引用网络，以及 Reddit 等社交网络。对于引用网络，该模型在 Cora 上实现了 81.0%、Citeseer 上 71.9%、Pubmed 上 78.9% 的显著准确率，在 GTX 1080 Ti 上的训练时间低至 0.13 秒。对于 Reddit 数据集，它在 2.7 秒内实现了 94.9% 的 F1 分数。
该存储库包含数据预处理、模型定义、训练和评估的代码。它还提供了关于超参数调优的指导，特别是使用 hyperopt 等工具进行权重衰减调优。提供了实用建议，例如将特征归一化为零均值和标准差一以加速收敛，这项技术对 SGC 和其他线性模型都有益。
除了核心实现之外，该存储库还指向了流行的库（如 Deep Graph Library (DGL)、PyTorch Geometric、Spektral、StellarGraph 和 tf_geometric）中的其他资源和参考实现。它还有一个用于消融研究的进行中分支，以及用于下游任务的代码，从文本分类开始。该项目是希望利用高效且有效的图神经网络模型的研究人员和实践者的宝贵资源。
- 类别AI 模型与大语言模型
- 定价模式开源
- 部署云端, 自托管
- 平台网页版
简化图卷积网络的核心功能
简化图卷积网络 (SGC) 论文的官方实现。
简化的图卷积网络 (GCN) 架构。
消除非线性并折叠权重矩阵以实现线性模型。
与传统 GCN 相比，训练时间显著缩短。
在基准数据集上实现具有竞争力的性能。
支持引用网络 (Cora, Citeseer, Pubmed) 和社交网络 (Reddit)。
包含数据预处理、模型训练和评估的代码。
提供超参数调优指导。
提供关于特征归一化以加速收敛的实用建议。
用于下游任务的代码，包括文本分类。
指向流行 GNN 库中实现的参考。
简化图卷积网络入门
访问模型：克隆 GitHub 存储库。
设置环境：使用 `pip install -r requirements.txt` 安装依赖项。
准备数据：下载 Reddit 数据集并将其放在 `data/` 目录中。
训练引用网络：运行 `python citation.py --dataset [dataset_name] --tuned`。
训练 Reddit：运行 `python reddit.py --inductive --test`。
集成：为自定义数据集或下游任务改编提供的脚本。
简化图卷积网络的使用案例
- 节点分类
- 文本分类
- 图特征学习
- 高效 GNN 训练
- GNN 基准测试
