赛道一热身赛 - 基于 GCN 的 Cora 节点分类

本赛题实现了一个两层 GCN（图卷积网络）模型，在 Cora 数据集上进行半监督节点分类任务。

模型架构

• 模型: 两层 GCN（GCNConv）
• 隐藏层维度: 256
• Dropout: 0.8
• 激活函数: ReLU
• 优化器: Adam（lr=0.01, weight_decay=5e-4）
• 训练轮数: 200

使用说明

1. 配置环境：参考 JittorGeometric 官方安装指南，安装 Jittor、JittorGeometric 和依赖。
2. 数据集文件 cora.pkl 应放置于 data/ 目录下
3. 运行 python gcn.py 进行训练和预测
4. 预测结果输出到 result.json，格式为 {节点编号: 预测类别}

数据集说明

数据集文件 data/cora.pkl 为 pickle 格式，包含以下字段：

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)	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（7）
num_features	int	特征维度（1433）