快速开始

API 用法

您可以通过 CogDL 的 API 运行各种实验，尤其是experiment(). 您还可以使用自己的数据集和模型进行实验。快速入门的示例可以在 quick_start.py.中找到。 examples/ 中提供了更多的示例。

from cogdl import experiment

# basic usage
experiment(dataset="cora", model="gcn")

# set other hyper-parameters
experiment(dataset="cora", model="gcn", hidden_size=32, epochs=200)

# run over multiple models on different seeds
experiment(dataset="cora", model=["gcn", "gat"], seed=[1, 2])

# automl usage
def search_space(trial):
    return {
        "lr": trial.suggest_categorical("lr", [1e-3, 5e-3, 1e-2]),
        "hidden_size": trial.suggest_categorical("hidden_size", [32, 64, 128]),
        "dropout": trial.suggest_uniform("dropout", 0.5, 0.8),
    }

experiment(dataset="cora", model="gcn", seed=[1, 2], search_space=search_space)

命令行用法

您可以使用命令 python scripts/train.py --dataset example_dataset --model example_model 运行 example_model 在example_data上.

• --dataset,是要使用的数据集名称, 可以是带空格的数据集列表比如 cora citeseer. 支持的数据集包括 cora, citeseer, pumbed, ppi, flickr 等等. 查看更多的数据集 cogdl/datasets

• --model, 是要使用的模型名称, 可以是带空格的数据集列表比如 gcn gat. 支持的模型包括 gcn, gat, graphsage 等等. 查看更多的模型 cogdl/models.

例如，如果你想在 Cora 数据集上运行 GCN 和 GAT，使用 5 个不同的seeds：

`bash python scripts/train.py --dataset cora --model gcn gat --seed 0 1 2 3 4 `

预期结果:

Variant	test_acc	val_acc
(‘cora’, ‘gcn’)	0.8050±0.0047	0.7940±0.0063
(‘cora’, ‘gat’)	0.8234±0.0042	0.8088±0.0016

如果您想在多个模型/数据集上使用多个 GPU 在您的服务器上并行的进行实验：

python scripts/train.py --dataset cora citeseer --model gcn gat --devices 0 1 --seed 0 1 2 3 4

预期输出:

Variant	test_acc	val_acc
(‘cora’, ‘gcn’)	0.8050±0.0047	0.7940±0.0063
(‘cora’, ‘gat’)	0.8234±0.0042	0.8088±0.0016
(‘citeseer’, ‘gcn’)	0.6938±0.0133	0.7108±0.0148
(‘citeseer’, ‘gat’)	0.7098±0.0053	0.7244±0.0039