环境.py :定义图形环境并在模拟期间处理代理-环境交互。 代理_基线.py :实现最大程度、最小程度和随机基准代理。 代理_GNN.py :实现GNN代理。 助手_模拟.py :包含模拟代理-环境交互的代码和由训练循环组成的函数。 帮助者_监护人.py :包含用于计算拓扑空洞数量和网络可压缩性的函数。 助手_其他.py :定义用于培训和性能评估的助手函数和类。
使用位于的笔记本构建合成图形环境 笔记本/数据处理_合成.ipynb 。生成的网络放置在 环境/ 文件夹。 在 列车_GNN_综合.py ,指定培训过程的参数: 运行 :在中创建文件夹 跑步次数/ 存储特定于当前训练运行的训练和验证曲线以及模型检查点。 网络类型 :指定用于构建合成图形环境的模型; '合成_ER' , '合成_BA' , '合成_RG' ,或 '合成_WS' . 大小 :指定培训、验证和测试数据集的大小; 选项包括 “迷你” , “小” , “中等” ,或 “大型” ; 注意,必须首先根据步骤1创建数据集。 功能_模式 :指定节点属性; 我们对每个节点使用本地度配置文件“LDP”; 选项包括“随机”和“常量”。 奖励函数 :指定GNN针对哪个勘探目标进行培训,IGT为“betti_numbers”,CPT为“compressibility”; 任何接受网络作为输入并输出标量的函数句柄都是有效的规范。
定义上述参数后,可以通过运行 列车_GNN_综合.py 脚本。