Cora數據集

PyG包含有大量的基準數據集。初始化數據集非常簡單，數據集初始化會自動下載原始數據文件，并且會將它們處理成Data格式。

如下圖所示，Cora數據集中只有一個圖，該圖包含2708個節點，10556條邊，節點類別數為7，特征維度為1433。并且默認已經對數據集進行了劃分，分為了訓練集、驗證集和測試集。

然后看看節點特征和標簽。x為節點特征矩陣，維度為2708*1433。y為節點標簽向量，維度為2708，類別為7。

用GCN進行半監督節點分類

接下來就可以構建一個簡單的GCN模型，在Cora數據集上進行半監督節點分類。

下面的GCN模型包含兩個圖卷積層。第一層輸入維度為1433（節點特征維度），輸出為16（與第一層輸出一致），后面接上一個relu激活函數，以及dropout操作。第二層輸入維度為16，輸出為7（節點標簽數量），后接log_softmax函數進行分類。

模型構建完成后，指定訓練設備為GPU（沒有的話就用CPU），注意這里默認使用的是0號cuda。如果cuda:0被占用了的話會報錯，需要指定其他號碼的cuda才能運行。然后，分別將GCN模型以及Cora圖數據送入指定的設備。

優化器選擇Adam，學習率設置為0.01，權重衰減設置為5e-4。這些都配置好以后就可以訓練模型了，epoch設為200，每個epoch后清除上次的梯度信息，然后用nll_loss計算出訓練集上的損失，調用backward函數計算出梯度后傳回給Adam優化器進行參數更新。

最后在測試集上評估模型，計算分類正確率accuracy并顯示。

至此，就完成了Cora數據集上的節點分類任務了。

總結

以上是生活随笔為你收集整理的PYG教程【三】对Cora数据集进行半监督节点分类的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。