GraphSAGE 的 PyTorch 实现

本包包含 GraphSAGE 的 PyTorch 实现。

本代码包的作者：

Tianwen Jiang (tjiang2@nd.edu)、 Tong Zhao (tzhao2@nd.edu)、 Daheng Wang (dwang8@nd.edu)。

环境配置

• python==3.6.8
• pytorch==1.0.0

基本用法

主要参数：

--dataSet     输入图数据集。（默认：cora）
--agg_func    聚合函数。（默认：均值聚合器）
--epochs      训练轮数。（默认：50）
--b_sz        批量大小。（默认：20）
--seed        随机种子。（默认：824）
--unsup_loss  无监督学习的损失函数。（'margin' 或 'normal'，默认：normal）
--config      配置文件。（默认：./src/experiments.conf）
--cuda        若指定则使用 GPU。

学习方式

用户可通过 --learn_method 指定学习方式：'sup' 表示有监督学习，'unsup' 表示无监督学习，'plus_unsup' 表示联合优化有监督和无监督损失。

使用示例

在 CUDA 上运行无监督模型：

python -m src.main --epochs 50 --cuda --learn_method unsup

graphSAGE-pytorch 快速上手指南

环境准备

在开始之前，请确保您的系统满足以下版本要求。该项目基于较早期的 PyTorch 版本开发，建议严格匹配以避免兼容性问题。

• Python: 3.6.8
• PyTorch: 1.0.0
• 硬件: 支持 CUDA 的 GPU（可选，用于加速训练）

提示：国内用户安装依赖时，推荐使用清华或阿里镜像源以提升下载速度。 例如：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==1.0.0

安装步骤

1. 克隆项目代码到本地：

   git clone <repository_url>
   cd graphSAGE-pytorch
   

2. 安装核心依赖（请确保 Python 版本为 3.6.8）：

   pip install torch==1.0.0
   # 如有其他依赖文件 requirements.txt，可执行：
   # pip install -r requirements.txt
   

基本使用

本项目支持监督学习、无监督学习以及混合学习模式。默认数据集为 cora，默认聚合函数为 Mean。

运行示例

以下命令演示如何在 GPU (CUDA) 环境下运行 无监督学习 模型，训练 50 个 epoch：

python -m src.main --epochs 50 --cuda --learn_method unsup

常用参数说明

您可以通过命令行参数灵活配置实验：

• --dataSet: 输入图数据集名称（默认：cora）
• --learn_method: 学习方法
  • sup: 监督学习
  • unsup: 无监督学习
  • plus_unsup: 联合监督与无监督损失
• --agg_func: 聚合函数类型（默认：Mean）
• --b_sz: 批次大小（默认：20）
• --config: 配置文件路径（默认：./src/experiments.conf）
• --cuda: 添加此标志以启用 GPU 加速

更多用法示例

运行监督学习模式：

python -m src.main --learn_method sup --cuda

使用自定义随机种子和批次大小：

python -m src.main --seed 1234 --b_sz 32 --learn_method plus_unsup