JittorGeometric GCN Cora Node Classification

本项目为计图挑战赛赛道一热身赛的开源实现，基于 Jittor 和 JittorGeometric 在 Cora 引文网络数据集上训练两层 GCN 模型，完成节点分类 任务，并生成测试集预测文件 result.json。

环境安装

推荐环境：

• Python 3.10
• Jittor 1.3.11.0
• JittorGeometric 2.0.0
• CUDA 环境可用时使用 GPU 训练

建议创建独立 conda 环境：

conda create -n jittor-hot python=3.10
conda activate jittor-hot
pip install -r requirements.txt

Jittor 和 JittorGeometric 的官方安装说明可参考：

• https://github.com/Jittor/jittor
• https://github.com/AlgRUC/JittorGeometric

数据准备

赛题数据文件为 data/cora.pkl，目录结构如下：

data/
  cora.pkl

cora.pkl 为 pickle 格式，包含：

字段	类型	说明
x	numpy array, (2708, 1433)	节点特征矩阵
y	numpy array, (2708,)	节点标签，测试集标签为 -1
edge_index	numpy array, (2, num_edges)	COO 边列表
train_mask	numpy bool array, (2708,)	训练集掩码
val_mask	numpy bool array, (2708,)	验证集掩码
test_mask	numpy bool array, (2708,)	测试集掩码
num_classes	int	类别数，固定为 7
num_features	int	特征维度，固定为 1433

开源仓库中不建议提交原始数据文件。如需复现，请从比赛发布包中获取 cora.pkl 并放入 data/ 目录。

训练与推理

运行以下命令会完成训练、验证和测试集预测：

python gcn.py

脚本会执行 200 个 epoch，并在当前目录生成：

result.json

result.json 是提交所需的测试集预测结果，格式为：

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

其中 key 为测试节点编号的字符串形式，value 为预测类别编号，范围为 0-6。

如果使用 conda 环境直接运行：

conda run -n jittor-hot python gcn.py

提交打包

比赛要求提交 result.zip，根目录包含模型代码和预测结果：

result.zip
  gcn.py
  result.json

生成命令：

zip result.zip gcn.py result.json

提交前可检查预测文件格式：

python - <<'PY'
import json

with open("result.json", "r", encoding="utf-8") as f:
    result = json.load(f)

print("num_predictions:", len(result))
print("label_range:", min(result.values()), max(result.values()))
print("first_items:", list(result.items())[:5])
PY

期望结果：

• num_predictions 为 1000
• label_range 在 0-6 范围内

结果说明

本项目使用验证集准确率作为本地训练过程中的参考指标。一次运行结果示例：

最终结果: Val Acc: 0.8080
共预测 1000 个测试节点

线上评测会加载 result.json，与隐藏测试集真实标签计算 Accuracy。赛题通过标准 为测试集 Accuracy 不低于 0.70。

实现说明

gcn.py 的主要流程：

1. 读取 data/cora.pkl 并转换为 Jittor 张量。
2. 对节点特征做行归一化。
3. 使用 gcn_norm 加自环并计算 GCN 边权重。
4. 将 COO 边表示转换为 CSC/CSR 稀疏格式。
5. 使用两层 GCNConv 完成节点分类。
6. 使用训练集节点计算交叉熵损失，在验证集上记录最佳准确率。
7. 对测试集节点生成预测并保存到 result.json。

随机种子在脚本中固定为 42，便于复现。

第三方依赖与声明

本项目依赖 Jittor 和 JittorGeometric：

• Jittor: https://github.com/Jittor/jittor
• JittorGeometric: https://github.com/AlgRUC/JittorGeometric

二者均采用 Apache License 2.0。

License

This project is licensed under the Apache License 2.0. See LICENSE for details.