计图挑战赛赛道一热身赛

本项目为计图挑战赛赛道一热身赛的开源代码实现，使用 Jittor 深度学习框架与 JittorGeometric 图神经网络库，在 Cora 引文网络数据集上训练 GCN（Graph Convolutional Network） 模型，完成节点分类任务。

---

环境安装

参考 JittorGeometric 官方仓库安装说明，安装 Jittor、JittorGeometric 和依赖：

• JittorGeometric 官方仓库：
  https://github.com/AlgRUC/JittorGeometric

说明：不同机器环境下，Jittor/JittorGeometric 的安装方式可能略有差异，建议优先参考官方文档。

---

数据准备

将比赛提供的 cora.pkl文件放到 data/ 目录下，目录结构如下：

.
├── gcn.py
└── data/
    └── cora.pkl

---

运行方法

训练并生成预测结果

在项目根目录运行：

python gcn.py

程序将完成以下流程：

1. 加载 data/cora.pkl
2. 构建 GCN 模型
3. 在训练集上训练
4. 在验证集上评估
5. 对测试集节点进行预测
6. 生成提交文件 result.json

---

结果说明

本项目目标是提供一个可运行、可复现、符合比赛提交要求的基线实现。 测试集预测结果 result.json 的格式示例：

{
    "1708": 0,
    "1709": 1,
    "1710": 3
}

key 为测试集节点的编号（字符串），value 为预测的类别编号（整数，0-6）。

说明如下：

• 线下验证集准确率与线上测试集准确率可能存在差异
• 不同运行环境、随机种子、超参数设置可能带来一定波动
• 若模型结构、训练轮数、学习率等参数调整，结果可能进一步提升

---

License

本项目采用仓库中 LICENSE 文件所声明的开源许可证。