计图热身赛 - 基于改进 GCN 的 Cora 节点分类

战队名：Classic_8
项目名：coraGCN
本仓库为热身赛开源代码，符合计图比赛开源规范。

1. 环境安装

• Python 3.8+
• 安装依赖：

pip install -r requirements.txt

2. 数据准备

• 将比赛提供的 cora.pkl 文件放入 data/ 目录下。
• 详细数据结构见 data/README.md

3. 训练模型

bash scripts/train.sh

或直接执行：

python gcn.py --mode train --data-path data/cora.pkl

训练完成后会保存 best_model.pkl。

4. 预测（生成 result.json）

bash scripts/predict.sh

或：

python gcn.py --mode predict --data-path data/cora.pkl --model-load best_model.pkl --result-out result.json

5. 结果说明

• 评价指标：分类准确率（Accuracy）
• 本开源代码在验证集上达到的最佳准确率约为 0.78~0.82
• 与比赛最终成绩可能存在微小差异（随机种子、环境版本影响）

可复现设置

• 随机种子固定为 42（通过 --seed 参数）
• 训练和预测均使用相同随机种子，确保结果可复现

代码结构

├── gcn.py                 # 主程序（训练 + 预测）
├── requirements.txt       # 依赖列表
├── scripts/               # 运行脚本
│   ├── train.sh
│   └── predict.sh
├── data/                  # 数据目录
│   └── README.md          # 数据说明（不存放数据文件）
├── best_model.pkl         # 训练好的模型（被 .gitignore 忽略）
└── result.json            # 预测结果（被 .gitignore 忽略）

注意事项

• 本代码基于 Jittor 和 JittorGeometric 实现。
• 训练和预测自动使用 GPU（如果可用），否则使用 CPU。
• 请确保 gcn.py 与 data/cora.pkl 的相对路径正确。