DeepGCNs PyTorch 项目使用教程

DeepGCNs PyTorch 项目使用教程

deep_gcns_torch Pytorch Repo for DeepGCNs (ICCV'2019 Oral, TPAMI'2021), DeeperGCN (arXiv'2020) and GNN1000(ICML'2021): https://www.deepgcns.org 项目地址: https://gitcode.com/gh_mirrors/de/deep_gcns_torch

1. 项目目录结构及介绍

deep_gcns_torch/
├── misc/                # 存放一些杂项图片
├── utils/               # 常用模块
├── gcn_lib/             # GCN 库
│   ├── dense/           # 用于密集数据的 GCN 库 (B x C x N x 1)
│   └── sparse/          # 用于稀疏数据的 GCN 库 (N x C)
├── eff_gcn_modules/     # 用于内存高效 GNN 的模块
├── examples/            # 示例代码
│   ├── modelnet_cls/    # ModelNet40 点云分类代码
│   ├── sem_seg_dense/   # S3DIS 点云语义分割代码 (密集数据)
│   ├── sem_seg_sparse/  # S3DIS 点云语义分割代码 (稀疏数据)
│   ├── part_sem_seg/    # PartNet 部件分割代码
│   ├── ppi/             # PPI 数据集节点分类代码
│   └── ogb/             # OGB 数据集节点/图属性预测代码
│   └── ogb_eff/         # 使用内存高效 GNN 的 OGB 数据集节点/图属性预测代码
├── .gitignore           # Git 忽略文件配置
├── LICENSE              # 项目许可证
├── README.md            # 项目说明文档
└── deepgcn_env_install.sh # 环境安装脚本

2. 项目的启动文件介绍

项目的启动文件主要是 deepgcn_env_install.sh，这是一个用于安装项目所需环境的脚本。通过运行该脚本，可以自动安装项目所需的 Python 环境和依赖库。

使用方法

source deepgcn_env_install.sh

该脚本会安装以下依赖：

• Python >= 3.7
• PyTorch >= 1.9.0
• pytorch_geometric >= 1.6.0
• ogb >= 1.3.1 (仅用于 OGB 数据集实验)
• dgl >= 0.5.3 (仅用于 examples/ogb_eff/ogbn_arxiv_dgl 实验)

3. 项目的配置文件介绍

项目中没有明确的配置文件，但可以通过修改 examples/ 目录下的各个任务的代码来调整模型的配置。每个任务的目录下都有详细的 README 文件，介绍了如何训练、测试和评估模型。

示例

以 examples/modelnet_cls/ 为例，该目录下包含用于 ModelNet40 点云分类的代码。可以通过修改该目录下的代码来调整模型的配置，例如修改网络结构、优化器参数等。

其他任务

• sem_seg_dense/ 和 sem_seg_sparse/：用于 S3DIS 数据集的点云语义分割。
• part_sem_seg/：用于 PartNet 数据集的部件分割。
• ppi/：用于 PPI 数据集的节点分类。
• ogb/ 和 ogb_eff/：用于 OGB 数据集的节点/图属性预测。

每个任务目录下都有详细的 README 文件，提供了代码、数据和预训练模型的详细信息。

deep_gcns_torch Pytorch Repo for DeepGCNs (ICCV'2019 Oral, TPAMI'2021), DeeperGCN (arXiv'2020) and GNN1000(ICML'2021): https://www.deepgcns.org 项目地址: https://gitcode.com/gh_mirrors/de/deep_gcns_torch