计图挑战赛赛道一热身赛 —— GCN 节点分类（Cora）

使用 Jittor + JittorGeometric 在 Cora 引文网络数据集上训练两层 GCN，完成节点分类任务。

结果

随机种子	验证集 Best Val Acc
42（提交所用）	0.8080
0	0.8060
1	0.8060

三个种子结果稳定在 0.806~0.808，远超赛题 0.70 的通过线。result.json 由 seed=42 的运行产出，随代码一并提交。

模型与训练配置

• 两层 GCNConv：1433 → 256 → 7
• 前向：conv1 → ReLU → Dropout(0.8) → conv2
• 优化器：Adam(lr=0.01, weight_decay=5e-4)，训练 200 epoch
• 训练过程中持续跟踪验证集最优 epoch，最终预测使用验证集最优权重（而不是训练结束时最后一轮的权重）

环境

• 操作系统：Ubuntu 22.04.5 LTS
• Python：3.10.12（venv，非 conda）
• GPU：NVIDIA RTX 4090（CUDA 12.2，由 Jittor 自动下载运行时，无需手动装 CUDA Toolkit）
• Jittor：1.3.11.0，安装自 pip install git+https://github.com/Jittor/jittor.git，commit 5e412c636e3be02b1665c2c3063d050b170b3e65
• JittorGeometric：安装自 git clone https://github.com/AlgRUC/JittorGeometric.git（无正式 Release），commit ff7d8ffac7bf3d95cc1962e091c52dc5737492d4
• 完整依赖版本见 requirements.txt（pip freeze 导出）

复现步骤

# 1. 创建虚拟环境
python3 -m venv jittor-venv
source jittor-venv/bin/activate

# 2. 安装 Jittor
pip install git+https://github.com/Jittor/jittor.git
python -m jittor.test.test_example   # 验证安装成功

# 3. 安装 JittorGeometric 及依赖
pip install astunparse==1.6.3 autograd==1.7.0 numpy==1.26.4 \
            pandas==2.2.3 Pillow==11.1.0 PyMetis==2023.1.1 six==1.16.0 \
            pyparsing==3.2 scipy==1.15.1 setuptools==69.5.1 sympy==1.13.3 \
            tqdm==4.66.4 einops huggingface_hub==0.27.1 networkx==3.4.2 \
            scikit-learn==1.7.1 rdkit==2025.3.5 seaborn==0.13.2 \
            alive-progress==3.3.0
# 注：官方给的 numpy==1.24.0 与 seaborn==0.13.2（要求 numpy!=1.24.0）冲突，
# 改用 numpy==1.26.4，同时满足 Jittor 的 numpy<2.0 约束。

git clone https://github.com/AlgRUC/JittorGeometric.git
cd JittorGeometric && pip install . && cd ..

# 4. 放置数据集
# 将赛事提供的 data/cora.pkl 放到本仓库的 data/ 目录下（数据未包含在本仓库中，
# 是否可公开分发以赛事开源指南为准，故未随代码上传）

# 5. 训练并生成结果
python gcn.py

成功标志：日志中 Val Acc 稳定在 0.78 以上，脚本末尾打印”自校验通过”，并生成 result.json（1000 个 key，取值 0~6）。

数据集

• 节点数 2708，边数 5429（edge_index 为双向表示，共 10858 条）
• 特征维度 1433，类别数 7
• 标准 Planetoid 切分：训练 140 / 验证 500 / 测试 1000
• 测试集节点编号在 0~2707 范围内非连续分布，标签隐藏为 -1

提交文件

result.zip 顶层直接包含 gcn.py 与 result.json，不含子文件夹。

License

MIT