# MyGNN

**Repository Path**: singularity0104/my-gnn

## Basic Information

- **Project Name**: MyGNN
- **Description**: 主流图神经网络模型在分类任务上的实现、比较与改进
- **Primary Language**: Unknown
- **License**: GPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 1
- **Created**: 2022-01-07
- **Last Updated**: 2024-06-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: 图神经网络, GNN

## README

# 主流图神经网络模型在分类任务上的实现、比较与改进

> 开源地址：https://gitee.com/singularity0104/my-gnn

### 课题介绍

+ 近年来神经网络应用广泛，对于图像、语音等结构化数据的处理有了很大突破，但却很难处理非结构化的图数据。现实中许多数据都是非结构化的图数据，比如社交网络、引文网络等，因此神经网络在图数据上的拓展成为新的研究热点，图神经网络应运而生。图神经网络主要用于对节点信息、边信息、全局信息的聚合表示，进一步进行分类等任务。
+ 本课题利用PyTorch实现了轻量化的GCN、GAT、GIN网络模型，并在cora、citeseer数据集上完成了性能测试与调优。针对GCN模型，分析GCN模型结构，简化GCN模型架构，提出了更加简单灵活的GCN-sub模型，实验证明模型效果与GCN相近。针对GAT模型，提出GAT-plus模型，改进了代码实现中的运算逻辑，使前向传播的运算更加高效。



### 实验环境

+ 实验语言要求Python3.x版本

+ 实验包环境由`request.txt`文件给出

    ```
    numpy==1.18.5
    pandas==1.1.5
    torch==1.10.1
    ```



### 数据集下载

+ 项目文件夹中`dataset/`子文件夹下给出了示例所用的数据集，或者可以通过以下链接下载：
    + Cora：https://linqs-data.soe.ucsc.edu/public/lbc/cora.tgz
    + Citeseer：https://linqs-data.soe.ucsc.edu/public/lbc/citeseer.tgz



### 文件解读

+ 项目文件树

    ```
    .
    ├── config
    │   ├── README.txt
    │   └── template.ini
    ├── dataset
    │   ├── citeseer/
    │   └── cora/
    ├── main.py
    ├── models
    │   ├── gat_plus.py
    │   ├── gat.py
    │   ├── gcn.py
    │   ├── gcn_sub.py
    │   └── gin.py
    ├── README.md
    ├── requirements.txt
    ├── train.py
    └── utils.py
    ```

+ 重点文件及文件夹解读
    + `config/`存放默认配置文件`template.ini`以及解释文档README.txt，配置文件定义一个或多个模型训练的所有配置，示例`template.ini`给出了GCN、GIN、GAT等模型的默认配置，具体含义请参考解释文档`README.txt`
    + `dataset/`存放课题使用数据集，分别是Cora和Citeseer数据集
    + models中存放图神经网络模型的定义
        + `gcn.py`定义图卷积神经网络GCN模型
        + `gat.py`定义图注意力神经网络GAT模型
        + `gin.py`定义图同构神经网络GIN模型
        + `gcn_sub.py`定义简化型图卷积神经网络GCN-sub模型
        + `gat_plus.py`定义改进型图注意力神经网络GAT-plus模型
    + `main.py`为项目主程序
    + `train.py`定义模型训练函数
    + `util.py`定义一些相关工具函数



### 运行方式

+ 进入项目文件夹

    ```shell
    cd MyGNN
    ```

+ 安装依赖环境

    ```shell
    pip install -r requirements.txt
    ```

+ 执行默认配置文件

    ```shell
    python main.py
    ```

+ 执行自定义配置文件

    ```
    python main.py --config filename
    ```



### 实验结果

+ 控制台输出：运行后程序首先输出模型配置信息，之后会输出训练中每一个epoch的训练集损失函数、训练集准确率、验证集损失函数、验证集准确率、训练时间，以及训练完成后输出总训练时间和测试集情况

+ log文件：如果在配置文件中将`log`选项设置为`True`，那么会将控制台输出信息进一步写入文件中，位于`log/modelname/config.txt`、`log/modelname/train.txt`和`log/modelname/test.txt`中

+ 图神经网络效果总览

    |      | Cora                      | Citeseer             |
    | ---- | ------------------------- | -------------------- |
    | GCN  | gcn_2_64  (0.8373)        | gcn_2_64  (0.6692)   |
    | GAT  | gat_2_64  (0.7967)        | gat_2_64  (0.6299)   |
    | GIN  | gin_cora_2_2_64  (0.8207) | gin_2_2_64  (0.6329) |