شبكة GCN لتصنيف العقد
الهدف: تدريب GCN على رسم بياني مع عدد قليل من العقد المعلّمة.
import networkx as nx, torch
from torch_geometric.nn import GCNConv
from torch_geometric.utils import from_networkx
torch.manual_seed(0)
G = nx.karate_club_graph()
data = from_networkx(G)
data.x = torch.eye(G.number_of_nodes())
y = torch.tensor([0 if G.nodes[n]["club"] == "Mr. Hi" else 1 for n in G])
train_mask = torch.zeros(len(y), dtype=torch.bool); train_mask[[0, 33]] = True
class GCN(torch.nn.Module):
def __init__(self):
super().__init__(); self.c1 = GCNConv(34, 16); self.c2 = GCNConv(16, 2)
def forward(self, x, ei): return self.c2(self.c1(x, ei).relu(), ei)
model = GCN(); opt = torch.optim.Adam(model.parameters(), lr=0.01, weight_decay=5e-4)
for epoch in range(100):
out = model(data.x, data.edge_index)
loss = torch.nn.functional.cross_entropy(out[train_mask], y[train_mask])
opt.zero_grad(); loss.backward(); opt.step()
acc = (out.argmax(1)[~train_mask] == y[~train_mask]).float().mean().item()
print(f"دقة العقد غير المعلّمة: {acc:.3f} (عقدتان معلّمتان فقط)")
شرح الكود
نحول رسم نادي الكاراتيه إلى كائن Data (مصفوفة حواف وسمات)، ونعلّم عقدتين فقط (المدرب والرئيس)، وتنشر طبقات GCNConv المعلومات عبر الجيران لتصنيف بقية العقد. المقارنة بالتسميات الحقيقية لمجموعتي النادي.
المخرجات المسجلة عند الاختبار
دقة العقد غير المعلّمة: 0.938 (عقدتان معلّمتان فقط)
نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — torch-geometric 2.8.1, torch 2.15.0, networkx 3.7, python 3.13.18
