PyTorch implementation of MaskGAE: Masked Graph Modeling Meets Graph Autoencoders
Higher versions should be also available.
- numpy==1.18.1
- torch==1.12.1+cu102
- torch-cluster==1.6.0
- torch_geometric>=2.1.0
- torch-scatter==2.0.9
- torch-sparse==0.6.14
- CUDA 10.2
- CUDNN 7.6.0
pip install -r requirements.txt
- Cora
python train_linkpred.py --dataset Cora --bn
python train_linkpred.py --dataset Cora --bn --mask Edge
- Citeseer
python train_linkpred.py --dataset Citeseer --bn
python train_linkpred.py --dataset Citeseer --bn --mask Edge
- Pubmed
python train_linkpred.py --dataset Pubmed --bn --encoder_dropout 0.2
python train_linkpred.py --dataset Pubmed --bn --encoder_dropout 0.2 --mask Edge
- Collab
python train_linkpred_ogb.py
python train_linkpred_ogb.py --mask Edge
- Cora
python train_nodeclas.py --dataset Cora --bn --l2_normalize --alpha 0.004
python train_nodeclas.py --dataset Cora --bn --l2_normalize --alpha 0.003 --mask Edge --eval_period 10
- Citeseer
python train_nodeclas.py --dataset Citeseer --bn --l2_normalize --nodeclas_weight_decay 0.1 --alpha 0.001 --lr 0.02
python train_nodeclas.py --dataset Citeseer --bn --l2_normalize --nodeclas_weight_decay 0.1 --alpha 0.001 --lr 0.02 --mask Edge --eval_period 20
- Pubmed
python train_nodeclas.py --dataset Pubmed --bn --l2_normalize --alpha 0.001 --encoder_dropout 0.5 --decoder_dropout 0.5
python train_nodeclas.py --dataset Pubmed --bn --l2_normalize --alpha 0.001 --encoder_dropout 0.5 --mask Edge
- Photo
python train_nodeclas.py --dataset Photo --bn --nodeclas_weight_decay 5e-3 --decoder_channels 128 --lr 0.005
python train_nodeclas.py --dataset Photo --bn --nodeclas_weight_decay 5e-3 --decoder_channels 64 --mask Edge
- Computers
python train_nodeclas.py --dataset Computers --bn --encoder_dropout 0.5 --alpha 0.002 --encoder_channels 128 --hidden_channels 256 --eval_period 20
python train_nodeclas.py --dataset Computers --bn --encoder_dropout 0.5 --alpha 0.003 --encoder_channels 128 --hidden_channels 256 --eval_period 10 --mask Edge
- arxiv
python train_nodeclas.py --dataset arxiv --bn --decoder_channels 128 --decoder_dropout 0. --decoder_layers 4 \
--encoder_channels 256 --encoder_dropout 0.2 --encoder_layers 4 \
--hidden_channels 512 --lr 0.0005 --nodeclas_weight_decay 0 --weight_decay 0.0001 --epochs 100 \
--eval_period 10
python train_nodeclas.py --dataset arxiv --bn --decoder_channels 128 --decoder_dropout 0. --decoder_layers 4 \
--encoder_channels 256 --encoder_dropout 0.2 --encoder_layers 4 \
--hidden_channels 512 --lr 0.0005 --nodeclas_weight_decay 0 --weight_decay 0.0001 --epochs 100 \
--eval_period 10 --mask Edge
- MAG
python train_nodeclas.py --dataset mag --alpha 0.003 --bn --decoder_channels 128\
--encoder_channels 256 --encoder_dropout 0.7 --epochs 100 \
--hidden_channels 128 --nodeclas_weight_decay 1e-5 --weight_decay 5e-5 --eval_period 10
python train_nodeclas.py --dataset mag --alpha 0.003 --bn --decoder_channels 128\
--encoder_channels 256 --encoder_dropout 0.7 --epochs 100 \
--hidden_channels 128 --nodeclas_weight_decay 1e-5 --weight_decay 5e-5 --eval_period 10 --mask Edge