GRAD

Grad: Diagrammbewusstes Destillation in Textdiagrammen

Dies ist der Code für die Reproduktion von Schlüsselergebnissen für Grad: Graph-Award-Destillation in Textdiagrammen.

Fangen an

Bitte besuchen Sie GradBERT oder GradMLP um weitere Anweisungen zu erhalten.

Die Abhängigkeiten zum Ausführen des Codes sind in requirements.txt -Datei.

Anforderung und Installation

Wir folgen auch dem Installationsprozess von [Giant].

Lassen Sie uns zuerst ein Conda Enviroment einrichten

conda create -n " grad " python=3.8
conda activate grad

Als nächstes installieren wir Pytorch:

conda install pytorch==1.9.0 cudatoolkit=10.2 -c pytorch
# check the pytorch version and cuda availability
python -c " import torch; print('torch={}, cuda={}'.format(torch.__version__, torch.cuda.is_available())) "

Finall installieren wir GNN -verwandte Pakete

ptcu_version= " 1.9.0+cu102 "
pip install torch-scatter -f " https://pytorch-geometric.com/whl/torch- ${ptcu_version} .html "
pip install torch-sparse -f " https://pytorch-geometric.com/whl/torch- ${ptcu_version} .html "
pip install torch-cluster -f " https://pytorch-geometric.com/whl/torch- ${ptcu_version} .html "
pip install torch-spline-conv -f " https://pytorch-geometric.com/whl/torch- ${ptcu_version} .html "
pip install torch-geometric
pip install ogb==1.3.2
# our ogb version is 1.3.2
python -c " import ogb; from ogb.graphproppred import PygGraphPropPredDataset; print(ogb.__version__) " 

Gradbert Einbettung

Bitte laden Sie den vorgeborenen Gradbert-Knoten aus diesem Link unter https://drive.google.com/drive/Folders/1tol67yewyogusf4t2qwrds-hbhbg-icx?usp=sharing und extrahieren Sie in diesem Ordner aus. Bitte stellen Sie sicher, dass der extrahierte Ordner diesen Substrucutre GradBERT/embeddings/ogbn-*/ hat.

Anschließend können Sie ogbn-arxiv oder ogbn-products Ordner ausführen und die entsprechenden sh -Befehle ausführen, um Gradbert-Ergebnisse für die OGB-Rangliste zu reproduzieren.

Verzeichnislayout

Im Folgenden finden Sie die Skripte, um die wichtigsten Ergebnisse zu reproduzieren.

./GRAD
| ---- GradBERT/                     # OGB datasets
|        | ---- embeddings/
|        | ---- ogbn-arxiv/ 
|        |        | ---- gradbert_mlp.sh         # MLP with GradBERT feats
|        |        | ---- gradbert_sage.sh        # SAGE with GradBERT feats
|        |        | ---- RevGAT-ori
|                           | ---- gradbert_RevGAT_ogbnarxiv.sh      # RevGAT with GradBERT feats
|        | ---- ogbn-products/
|        |        | ---- gradbert_mlp.sh         # MLP with GradBERT feats
|        |        | ---- gradbert_giant_sage.sh  # SAGE with GradBERT+GIANT feats
|        |        | ---- SAGN_with_SLE
|                           | ---- Runexp_SAGN_SLE_ogbnproducts_morestages.sh     # SAGN_SLE with GradBERT+GIANT feats                    

| ---- GradMLP/                # CPF data from GLNN
|        | ---- experiments/          	
|        |        | ---- cora_gradmlp.sh
|        |        | ---- cora_gradmlp_kd.sh
|        |        | ---- etc.


Please go to ` GradBERT ` or ` GradMLP ` for more details.