Usage

GCN

Please cd GST_gcn first, then use the following commands to check the extreme graph sparsity that GST is capable of achieving.

python main.py --remain 0.4 --spar_adj --num_layers 2 --dataset cora --lr 0.001 --delta 20 --accumulation-n 3 --pretrain_epoch 200 --warmup_steps 6 --beta 0.3
python main.py --remain 0.4 --spar_adj --num_layers 2 --dataset citeseer --lr 0.001 --delta 20 --accumulation-n 3 --pretrain_epoch 200 --warmup_steps 6 --beta 0.3
python main.py --remain 0.4 --spar_adj --num_layers 2 --dataset pubmed --lr 0.001 --delta 20 --accumulation-n 3 --pretrain_epoch 200 --warmup_steps 6 --beta 0.3

GIN

For GIN demonstration, please cd GST_gin first.

python main.py --remain 0.4 --spar_adj --num_layers 2 --dataset cora --lr 0.001 --delta 20 --accumulation-n 3 --pretrain_epoch 200
python main.py --remain 0.4 --spar_adj --num_layers 2 --dataset citeseer --lr 0.001 --delta 20 --accumulation-n 3 --pretrain_epoch 200
python main.py --remain 0.4 --spar_adj --num_layers 2 --dataset pubmed --lr 0.001 --delta 20 --accumulation-n 3 --pretrain_epoch 200

GAT

For GAT demonstration, please cd GST_GAT first.

python main.py --remain 0.4 --spar_adj --num_layers 2 --dataset cora --lr 0.001 --delta 20 --accumulation-n 3 --pretrain_epoch 200
python main.py --remain 0.4 --spar_adj --num_layers 2 --dataset citeseer --lr 0.001 --delta 20 --accumulation-n 3 --pretrain_epoch 200
python main.py --remain 0.4 --spar_adj --num_layers 2 --dataset pubmed --lr 0.001 --delta 20 --accumulation-n 3 --pretrain_epoch 200

OGBN_arxiv

For OGBN_arxiv demonstration, execute the following commands.

python main_graphsage.py --use_gpu --total_epoch 300 --spar_adj --remain 0.4 --pretrain_epoch 600  --delta 3 --accumulation-n 2