Distributed DeepGCNs

简体中文 | English

本项目在幻方萤火超算集群上对 DeepGCNs 模型进行多卡并行计算优化，解决大规模图计算场景下的多卡加速问题，实现训练效率的极大提升。

DeepGCNs 借鉴 CNN 的概念，可以实现很深层结构的 GNN 模型训练，以在各种图任务中取得优异的泛化能力。其主要是残差/密集连接和扩张卷积，并将它们适应于 GCN 架构。

相关论文：

• DeepGCNs (ICCV'2019, TPAMI'2021)
• DeeperGCN (Arxiv'2020)
• GNN'1000 (ICML'2021)

Requirements

• hfai
• Pytorch>=1.8.0
• pytorch_geometric>=1.6.0

Training

原始数据来自斯坦福大学提供的一个图综合数据集 Open Graph Benchmark ，幻方AI将其进行了整理，合入 hfai.datasets 数据集仓库中，提供高速数据读取接口，使用参考 hfai文档 。

1. 点属性预测（ogbn-proteins）

   提交任务至萤火集群

    hfai python ogbn_proteins/main.py -- -n 1

   本地运行：

    python ogbn_proteins/main.py

2. 边链接预测（ogbl-collab）

   提交任务至萤火集群

    hfai python ogbl_collab/main.py -- -n 1

   本地运行：

    python ogbl_collab/main.py

3. 图属性预测（ogbg-ppa）

   提交任务至萤火集群

    hfai python ogbg_ppa/main.py -- -n 1

   本地运行：

    python ogbg_ppa/main.py