DAEGC运行步骤

疫情期间：目前是在个人PC上搭建了DAEGC的环境并能够跑通，现将过程记录如下以备以后使用

个人PC：windows10，python3.7，1050Ti,cuda 11.2

1.首先查看自己的GPU版本和cuda版本

nvidia-smi

2.可以看到我的cuda版本为11.2因此安装对应版本torch

pip install torch==1.7.0+cu110 torchvision==0.8.1+cu110 -f https://download.pytorch.org/whl/torch_stable.html

3.安装torch-scatter,torch-sparse,torch-cluster,torch-spline-conv

我是直接通过wheel文件安装，个人感觉这种安装方式最直接，而且不会有什么问题，直接去whl地址根据对应的torch,cuda,以及python版本下载对应的wheel文件，比如我是cuda110+torch1.7.0+python37，根据电脑系统选择win还是linux

4.cd到已经下载文件的目录

pip install +下载的包名
#如：pip install .\torch_cluster-1.5.9-cp37-cp37m-win_amd64.whl
#依次将四个都运行

5.安装torch-geometric

pip install torch-geometric

6.安装DAEGC所需要的包

pip install munkres
pip install -U scikit-learn #-U表示更新到最新版本

7.至此环境搭建完成，cd到DAEGC目录下

预训练（Cora,Citeseer）：

 python pretrain.py --name Cora --max_epoch 50  #预训练
 python pretrain.py --name Citeseer --max_epoch 50 #预训练

训练（Cora Citeseer）：

 python daegc.py --update_interval 5 --name Cora --epoch 45 --max_epoch 200 #训练（--epoch是可变参数，根据预训练文件夹下的内容可以改变）
 python daegc.py --update_interval 5 --name Citeseer --epoch 45 --max_epoch 200 #训练

参考链接：

Colab Notebook

原论文：

Attributed Graph Clustering: A Deep Attentional Embedding Approach