Takaaki-Saeki / GNN

Implementation of Graph Neural Net

README

概要

某のコーディング課題を解きました。

環境・モジュール

pythonを用いて実装を行いました。
実行の際は以下の環境(動作確認済み)を推奨します。

• python 3.7.3
• numpy 1.16.3
• matplotlib 3.0.3

提出物について

1. src
2. README.md
3. prediction.txt
4. report.pdf
5. results
   なお、resultsには学習済みのlossや重みの値が入っています。

実行方法

以下の手順で実行してください。

1. srcディレクトリとdatasetsディレクトリを同じディレクトリ内に置いてください。

2. srcディレクトリとdatasetsディレクトリのあるディレクトリに、resultsという名前のディレクトリを作成してください。学習を回さずに計算済みの重みやlossの値を使う場合は、提出したresultsディレクトリを使ってください。学習を回す場合はresultsディレクトリ内を空にしてください。

3. srcディレクトリ内に課題1〜4のスクリプトtask1.py〜task4.pyがあります。 srcディレクトリに移動し、以下のコマンドから実行してください。

   python -u task1.py
   python -u task2.py
   python -u task3.py
   python -u task4.py
   

   なお、current directoryがsrcになっていない場合は、Assertion Errorが出るようになっ ています。

ソースコードの構成について

ファイル・関数構成は以下のようになっています。
詳細な説明についてはソースコード内に記してあるので、そちらを参照してください。

src
├─ __pycache__
|
├─ functions.py
|  ├─ relu()
|  ├─ sigmoid()
│  └─ binary_cross_entropy()
|
├─ optimizers.py
|  ├─ loss_function()
|  ├─ gradient_decent()
|  ├─ SGD()
|  ├─ Momentum_SGD()
│  └─ Adam()
|
├─ preprocess.py
|  ├─ X0_initialize()
│  └─ train_valid_split()
|
├─ networks.py
│  └─ GNN_agg_readout()
|
├─ evaluation.py
|  ├─ mean_precision()
│  └─ valid_loss()
|
├─ predict.py
|  └─ predict()
|
├─ in_out_data.py
|  ├─ get_train_data()
|  ├─ get_test_data()
|  └─ out_test_label()
|
├─ visualize.py
|  ├─ plot_loss_precision_task3()
|  └─ plot_loss_precision_task4()
|
├─ task1.py
|  ├─ init_graph_task1()
|  ├─ test1()
│  └─ test2()
|
├─ task2.py
│  └─ training()
|
├─ task3.py
|  ├─ run_GNN_SGD()
│  └─ run_GNN_MomentumSGD()
|
└─ task4.py
   └─ run_GNN_Adam()