计图比赛 · 热身赛1 开源：Cora 节点分类（APPNP / Jittor）

本仓库按《开源代码规范（计图比赛）》组织。训练框架：Jittor。

战队：沃信2.0
仓库命名：jittor-woxin2_0-warmup1（规范：jittor-[战队名]-[项目名]；GitLink 中战队名「沃信2.0」写作 woxin2_0）
项目：热身赛1 · Cora 节点分类（APPNP）

环境安装

Python 3.8–3.12（推荐 3.10+）
依赖安装：

pip install -r requirements.txt

若 jittor 未能装上，请按 Jittor 官方文档单独安装。
可参考：JittorGeometric 安装说明。
GPU 可选。Windows 默认 CPU（更稳）；若要尝试 GPU：

# PowerShell
$env:JITTOR_USE_CUDA = "1"

数据准备

从计图 / Educoder 热身赛1 页面下载官方 cora.pkl（本仓库不分发数据）。
放到：

data/cora.pkl

也可用命令行指定目录（目录内需有 cora.pkl）：

python scripts/train.py --config configs/default.yaml --data-root /path/to/data_dir

字段说明见 data/README.md。可用工具自检：

python tools/check_data.py --data-root ./data

训练

在仓库根目录执行：

python scripts/train.py --config configs/default.yaml --seed 42

常用覆盖参数（命令行优先于配置文件）：

python scripts/train.py --config configs/default.yaml --seed 42 --epochs 500 --lr 0.01 --hidden-dim 128

每次运行会在 outputs/ 写入：

文件	含义
`config.yaml`	实际生效配置
`command.txt`	完整命令行
`train.log`	训练日志
`best_model.pkl`	验证集最优权重
`result.json`	测试节点预测

评测 / 推理

python scripts/train.py --config configs/default.yaml --eval-only --ckpt outputs/best_model.pkl

会额外写入 outputs/eval.log，并更新 result.json。

结果说明

本地指标：验证集 Accuracy（val_mask 上分类正确率）。
提交格式：result.json，{ "<node_id>": <class_id>, ... }，对应 test_mask 节点。
与线上成绩的差异：本地只有验证集；Educoder 对隐藏测试标签计分。随机种子、Jittor 版本、CPU/GPU 可能导致合理波动，以平台分数为准。

可复现要点

统一随机种子：配置项 seed 或 --seed（默认 42）。
缺数据 / 缺权重时脚本会抛出带修复说明的 FileNotFoundError。
第三方与数据声明见 NOTICE。

模型简述

APPNP：H0 = MLP(X)，再做 K 步 Personalized PageRank
Z ← (1-α) Â Z + α H0。
默认：hidden_dim=128, k=10, alpha=0.15, epochs=500, lr=0.01。

目录结构

configs/          训练超参（YAML）
src/              模型与数据加载
scripts/          训练 / 推理入口
tools/            数据自检等小工具
data/             仅说明文档（不提交 cora.pkl）
outputs/          运行产物（gitignore）
LICENSE           MIT
NOTICE            第三方与数据来源声明
requirements.txt

License

MIT。实现代码开源；数据版权归属比赛主办方，请勿将 cora.pkl 推入本仓库。