清华团队推出工具包CogDL v0.1

一行代码命令可以做什么？

“一行命令可以实现‘一条龙’运行实验。”

近年来，结构化数据的表示学习备受业界关注与热捧，图神经网络成为处理相关工作的有力工具，基于随机游走、矩阵分解的方法在搜索推荐、分子和药物生成等领域有着十分重要的应用。

但是，由于许多项目的代码并未开源或者开源代码的风格多种多样，研究者和使用者在使用这些方法的过程中会遇到各种各样的问题，比如实验复现以及如何在自己的数据集上运行模型等。

具体而言（以学术研究为例），研究者和使用者在从事研究过程中需要将自己提出的模型与其他模型进行对比，来验证所提出模型的有效性。但在对比过程中，他们需要选定若干个下游任务，在每个任务下，通过公平的评估方式来对比不同模型的性能，由于不同模型在提出时可能会使用不完全一致的下游任务或者评估方式，他们需要花费大量精力修改基线模型来进行适配。

那么，如何快速、便捷地使用已有的图表示学习等模型来复现基线模型（baseline），并将这些模型应用到自定义的数据集或模型上？

为此，清华大学知识工程实验室（KEG）联合北京智源人工智能研究院（BAAI）开发了一种基于图深度学习的开源工具包——CogDL（底层架构为 PyTorch，编程语言为 Python）。

据 CogDL 开发者介绍，该工具包通过整合多种不同的下游任务，同时搭配合适的评估方式，使得研究者和使用者可以方便、快速地运行出各种基线模型的结果，进而将更多精力投入研发新模型的工作之中。

“对图领域中每种任务，我们提供了一套完整的“数据处理－模型搭建－模型训练－模型评估”的方案，易于研发人员做相关的实验。比如对于图上半监督节点分类任务，我们整合了常用的数据集 Cora、Citeseer、Pubmed，提供了经典的／前沿的各种模型（包括GCN、GAT、GCNII 等），提供了相应的训练脚本，并且整理出了一个相应的排行榜作为参考。” CogDL 开发者说。

CogDL 最特别的一点在于它以任务（task）为导向来集成所有算法，将每一个算法分配在一个或多个任务下，从而构建了 “数据处理－模型搭建－模型训练和验证” 一条龙的实现。

＃ GCN 和 GAT 在 Cora 和 Citeseer 上的实验python scripts／train．py －－task node＿classification －－dataset cora citeseer －－model gcn gat

此外，CogDL 也支持研究者和使用者自定义模型和数据集，并嵌入在 CogDL 的整体框架下，从而帮助他们提高开发效率，同时也包含了当前许多数据集上 SOTA 算法的实现，并且仍然在不断更新。

CogDL：面向任务，扩展算法

图表示学习算法可以分为两类：一类是基于图神经网络的算法，另一类是基于 Skip－gram 或矩阵分解的算法。前者包括 GCN、GAT、GraphSAGE 和 DiffPool 等，以及适用于异构图的 RGCN、GATNE 等；后者则包括 Deepwalk、Node2Vec、HOPE 和 NetMF 等，以及用于图分类的 DGK、graph2vec 等算法。

大体上，CogDL 将已有图表示学习算法划分为以下 6 项任务：

有监督节点分类任务（node classification）：包括 GCN、GAT、GraphSAGE、MixHop 和 GRAND 等；无监督节点分类任务（unsupervised node classification）：包括 DGI、GraphSAGE（无监督实现），以及 Deepwalk、Node2vec、ProNE 等；有监督图分类任务（graph classification）：包括 GIN、DiffPool、SortPool 等；无监督图分类任务（unsupervised graph classification）：包括 InfoGraph、DGK、Graph2Vec 等；链接预测任务（link prediction）：包括 RGCN、CompGCN、GATNE 等；异构节点分类（multiplex node classification）：包括 GTN、HAN、Metapath2vec 等。

CogDL 还包括图上的预训练模型 GCC，GCC 主要利用图的结构信息来预训练图神经网络，从而使得该网络可以迁移到其他数据集上，来取得较好的节点分类和图分类的效果。