benchmarking gnns

基准图形神经网络

更新

2022年5月10日

• 基于DGL 0.6.1及更高的项目。请参阅环境YML文件（CPU，GPU）中定义的相关依赖关系。
• 关于Arxiv框架的技术报告。
• 添加了AQSOL数据集，该数据集类似于图形回归任务的锌，但具有现实世界中测量的化学靶标。
• 添加了数学数据集 - 图形主题和周期，可用于测试特定理论图属性的GNN。
• 固定问题＃57。

2020年10月7日

• 回购更新为DGL 0.5.2和Pytorch 1.6.0。请使用YML文件（CPU，GPU）更新您的环境。
• 添加了带有脚本的Zinc-Full数据集（249K分子图）。

2020年6月11日

• 项目的第二版。主要更新：
  • 为在密集的等级-2张量上运行的Weisfeiler-Lehman-GNNS增加了实验管道。
  • 为所有数据集添加了排行榜。
  • 更新的模式数据集。
  • 修复了图案和群集精度的错误。
  • 移至该分支。
• 新的Arxiv的纸张版本。

3月3日，2020年

• 该项目的第一版。

1。基准安装

按照以下说明安装基准并设置环境。

2。下载数据集

按照以下操作下载基准数据集。

3。可重复性

使用此页面运行代码并重现已发布的结果。

4。添加一个新数据集

指令将数据集添加到基准测试中。

5。添加消息通讯的GCN

分步方向将MP-GCN添加到基准测试中。

6。添加Weisfeiler-Lehman GNN

逐步方向将WL-GNN添加到基准测试中。

7。排行榜

完整的排行榜将在Paperswithcode.com上发布。

8。参考

Arxiv的论文

 @article{dwivedi2020benchmarkgnns,
  title={Benchmarking Graph Neural Networks},
  author={Dwivedi, Vijay Prakash and Joshi, Chaitanya K and Luu, Anh Tuan and Laurent, Thomas and Bengio, Yoshua and Bresson, Xavier},
  journal={arXiv preprint arXiv:2003.00982},
  year={2020}
}