ADD file via upload
本项目使用 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。本仓库为计图挑战赛赛道一热身赛的开源代码。
要求 Python 3.10+ CUDA 11.0+（用于GPU支持） Jittor 1.3.0+
Jittor 安装方法请参考 ： https://www.educoder.net/competitions/Jittor-7
执行以下命令安装 python 依赖
pip install -r requirements.txt
数据下载链接： https://data.educoder.net/api/attachments/att-19f3fbd6d939596c9?type=application/x-zip-compressed
直接运行以下命令，会自动完成训练、验证和测试预测
python gcn.py
训练过程中会显示每 20 个 epoch 的训练集准确率和验证集准确率，并自动采用早停（patience=100）和学习率调度。
训练结束后，程序会自动对测试集进行推理，并生成 result.json 文件，无需额外命令。
输出文件：result.json，格式为字典，key 为测试节点编号（字符串），value 为预测类别（整数 0-6）。
评测指标：分类准确率（Accuracy），及格线为 ≥ 0.70。
注意事项：本地训练时监控的是验证集准确率，与最终线上测试集准确率可能存在 ±1%~3% 的差异，属于正常现象。
版权所有：中国计算机学会技术支持：开源发展技术委员会 京ICP备13000930号-9 京公网安备 11010802047560号
热身赛：基于 GCN 的 Cora 节点分类
本项目使用 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。本仓库为计图挑战赛赛道一热身赛的开源代码。
环境安装
要求 Python 3.10+ CUDA 11.0+（用于GPU支持） Jittor 1.3.0+
Jittor 安装方法请参考 ： https://www.educoder.net/competitions/Jittor-7
执行以下命令安装 python 依赖
数据准备
数据下载链接： https://data.educoder.net/api/attachments/att-19f3fbd6d939596c9?type=application/x-zip-compressed
训练
直接运行以下命令，会自动完成训练、验证和测试预测
训练过程中会显示每 20 个 epoch 的训练集准确率和验证集准确率，并自动采用早停（patience=100）和学习率调度。
评测/推理
训练结束后，程序会自动对测试集进行推理，并生成 result.json 文件，无需额外命令。
结果说明
输出文件：result.json，格式为字典，key 为测试节点编号（字符串），value 为预测类别（整数 0-6）。
评测指标：分类准确率（Accuracy），及格线为 ≥ 0.70。
注意事项：本地训练时监控的是验证集准确率，与最终线上测试集准确率可能存在 ±1%~3% 的差异，属于正常现象。