GRAD

Grad: Distillation consciente des graphiques sur les graphiques textuels

Ceci est le code pour reproduire les résultats clés pour Grad: Distillation de graphes sur les graphiques textuels.

Commencer

Veuillez vous rendre à GradBERT ou GradMLP pour plus d'instructions.

Les dépendances pour exécuter le code sont dans le fichier requirements.txt .

Exigence et installation

Nous suivons également le processus d'installation de [géant].

Installons d'abord un environnement conda

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

Ensuite, nous installons 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, nous installons les packages liés à GNN

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 Embeddings

Veuillez télécharger les incorporations de nœuds Gradbert pré-entraînées à partir de ce lien https://drive.google.com/drive/folders/1tol67yewyogusf4t2qwrds-hbhbg-icx?usp=Sharing et extraire dans ce dossier. Veuillez vous assurer que le dossier extrait a ce substrucutre GradBERT/embeddings/ogbn-*/ .

Ensuite, vous pouvez accéder à un dossier ogbn-arxiv ou ogbn-products et exécuter les commandes sh correspondantes pour reproduire les résultats Gradbert pour le classement OGB.

Disposition du répertoire

Ci-dessous, vous pouvez trouver les scripts pour reproduire les résultats clés.

./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.