能用來做什么？

那么，研究者和使用者可以利用 CogDL 做些什么？主要有三點：跟進(jìn) SOTA、復(fù)現(xiàn)實驗，以及自定義模型和數(shù)據(jù)。

跟進(jìn) SOTA。CogDL 跟進(jìn)最新發(fā)布的算法，包含不同任務(wù)下 SOTA 的實現(xiàn)，同時建立了不同任務(wù)下所有模型的 leaderboard（排行榜），研究人員和開發(fā)人員可以通過 leaderboard 比較不同算法的效果。

復(fù)現(xiàn)實驗。論文模型的可復(fù)現(xiàn)性是非常重要的。CogDL 通過實現(xiàn)不同論文的模型也是對模型可復(fù)現(xiàn)性的一個檢驗。

自定義模型和數(shù)據(jù)�！皵�(shù)據(jù)－模型－訓(xùn)練”三部分在 CogDL 中是獨立的，研究者和使用者可以自定義其中任何一部分，并復(fù)用其他部分，從而提高開發(fā)效率。

怎么用？

有兩種方法：命令行直接運行，通過 API 調(diào)用

命令行直接運行。通過命令行可以直接指定 ＂task＂、＂model＂、＂dataset＂ 以及對應(yīng)的超參數(shù)，并且支持同時指定多個模型和多個數(shù)據(jù)集，更方便。代碼如下：

＃ 監(jiān)督GraphSAGEpython scripts／train．py －－task node＿classification －－dataset pubmed －－model graphsage －seed 0 1 2 3 4 5＃ 無監(jiān)督GraphSAGEpython scripts／train．py －－task unsupervised＿node＿classification －－dataset pubmed －－model unsup＿graphsage＃ DeepWalk ＋ Node2Vec算法 ＋ BlogCatalog ＋ Wikipedia數(shù)據(jù)集python script／train．py －－task unsupervised＿node＿classificatoin －－dataset blogcatalog wikipedia －－model deepwalk node2vec

通過 API 調(diào)用。在代碼中調(diào)用 CogDL 的數(shù)據(jù)、模型、任務(wù)構(gòu)建 API，方便使用自定義數(shù)據(jù)集和模型，更靈活。代碼如下：

＃ 獲取模型／數(shù)據(jù)／訓(xùn)練的參數(shù)args ＝ get＿default＿args（）args．task ＝ ＇node＿classification＇args．dataset ＝ ＇cora＇args．model ＝ ＇gcn＇＃ 建立數(shù)據(jù)集dataset ＝ build＿dataset（args）args．num＿features ＝ dataset．num＿featuresargs．num＿classes ＝ dataset．num＿classesargs．num＿layers ＝ 2＃ 建立模型model ＝ build＿model（args）＃ 訓(xùn)練＋驗證task ＝ build＿task（args， dataset＝dataset， model＝model）ret ＝ task．train（）

CogDL 支持自定義數(shù)據(jù)集和模型，并且提供了自動調(diào)參的例子。

據(jù) CogDL 研究者介紹，從 2019 年啟動以來，該項目經(jīng)過了多次密集的研發(fā)，到目前已經(jīng)整合了圖領(lǐng)域的重要任務(wù)及其相關(guān)的經(jīng)典和前沿的模型。

CogDL 開發(fā)者表示，“起初，我們只是整合了實驗室內(nèi)部從事相關(guān)領(lǐng)域研究的同學(xué)所使用的相關(guān)代碼，為了方便實驗室其余的同學(xué)運行相關(guān)的實驗。后來，我們決定將代碼開源出來，讓更多的研究和開發(fā)人員能夠借助我們的代碼從事相關(guān)工作�！�

如今，CogDL 已經(jīng)上線了 CogDL v0．1．1。

“我們增加了一些最前沿的圖神經(jīng)網(wǎng)絡(luò)模型，包括圖自監(jiān)督模型、圖預(yù)訓(xùn)練模型。用戶可以利用圖上預(yù)訓(xùn)練好的模型做不同的下游任務(wù)。在下游任務(wù)方面，我們增加了知識圖譜的鏈接預(yù)測任務(wù)，方便從事知識圖譜領(lǐng)域的用戶進(jìn)行相關(guān)實驗。” CogDL 開發(fā)者說。

具體而言，在監(jiān)督節(jié)點分類任務(wù)上，增加了 GRAND 和 DisenGCN，GRAND 在 Cora、PubMed、Citeseer 上取得了 SOTA 或者接近 SOTA 的效果；無監(jiān)督節(jié)點分類任務(wù)上，增加了 DGI、MVGRL、GraphSAGE（無監(jiān)督實現(xiàn)）；在鏈接預(yù)測任務(wù)上，增加了知識圖譜上的鏈接預(yù)測 GNN 模型 RGCN 和 CompGCN；以及增加了圖上的預(yù)訓(xùn)練模型 GCC。

另外，CogDL 也提供了使用 optuna 進(jìn)行超參數(shù)搜索的 example，通過指定 ＂模型，數(shù)據(jù)集，參數(shù)＂ 即可自動實現(xiàn)超參數(shù)的搜索。

接下來，CogDL 研究者希望在現(xiàn)有基礎(chǔ)上，繼續(xù)補充其余的圖領(lǐng)域的下游任務(wù)，添加更多的數(shù)據(jù)集，更新每個任務(wù)的排行榜；同時增加最前沿的關(guān)于預(yù)訓(xùn)練的圖神經(jīng)網(wǎng)絡(luò)模型，支持用戶直接使用預(yù)訓(xùn)練好的模型來進(jìn)行相關(guān)應(yīng)用；以及完善 CogDL 的教程和文檔，讓剛接觸圖領(lǐng)域的初學(xué)者能夠快速上手。

談及最終的愿景，CogDL 研究者表示，一方面希望從事圖數(shù)據(jù)領(lǐng)域的研究人員可以方便地利用 CogDL 來做實驗，另一方面希望面向?qū)嶋H應(yīng)用的開發(fā)人員可以利用 CogDL 來快速地搭建相關(guān)下游應(yīng)用，最終打造一個完善的圖領(lǐng)域的研發(fā)生態(tài)。