#!/usr/bin/env?python
#?encoding:?utf-8

import?sys
#指定路徑
sys.path.append（“../src/“）?

import?graph
import?embeddings
import?sample
import?classifier
from?classifier?import?loop_dataset
import?subgraphs
import?argparse
import?torch
import?torch.optim?as?optim
import?networkx?as?nx
import?until
import?random
from?tqdm?import?tqdm



#導(dǎo)入配置參數(shù)
from?parameters?import?parser?cmd_embed?cmd_opt

#參數(shù)轉(zhuǎn)換
args?=?parser.parse_args（）
args.cuda?=?not?args.noCuda?and?torch.cuda.is_available（）
torch.manual_seed（args.seed）
if?args.cuda:
????torch.cuda.manual_seed（args.seed）
if?args.hop?!=?‘a(chǎn)uto‘:
????args.hop?=?int（args.hop）
if?args.maxNodesPerHop?is?not?None:
????args.maxNodesPerHop?=?int（args.maxNodesPerHop）

#讀取數(shù)據(jù)
g?=?graph.Graph（）
g.read_edgelist（filename=args.dataName?weighted=args.weighted?directed=args.directed）
g.read_node_status（filename=args.labelName）

#獲取全圖節(jié)點(diǎn)的embedding
embed_args?=?cmd_embed.parse_args（）?
embeddings?=?embeddings.learn_embeddings（g?embed_args）
node_information?=?embeddings
#print?node_information?
#正負(fù)節(jié)點(diǎn)對采樣
train?train_status?test?test_status?=?sample.sample_single（g?args.testRatio?max_train_num=args.maxTrainNum）

#抽取節(jié)點(diǎn)對的封閉子圖
net?=?until.nxG_to_mat（g）
#print?net
train_graphs?test_graphs?max_n_label?=?subgraphs.singleSubgraphs（net?train?train_status?test?test_status?args.hop?args.maxNodesPerHop?node_information）
print（‘#?train:?%d?#?test:?%d‘?%?（len（train_graphs）?len（test_graphs）））

#加載網(wǎng)絡(luò)模型，并在classifier中配置相關(guān)參數(shù)
cmd_args?=?cmd_opt.parse_args（）
cmd_args.feat_dim?=?max_n_label?+?1
cmd_args.attr_dim?=?node_information.shape[1]
cmd_args.latent_dim?=?[int（x）?for?x?in?cmd_args.latent_dim.split（‘-‘）]
if?len（cmd_args.latent_dim）?==?1:
????cmd_args.latent_dim?=?cmd_args.latent_dim[0]
model?=?classifier.Classifier（cmd_args）
optimizer?=?optim.Adam（model.parameters（）?lr=args.learningRate）

#訓(xùn)練和測試
train_idxes?=?list（range（len（train_graphs）））
best_loss?=?None
for?epoch?in?range（args.num_epochs）:
????random.shuffle（train_idxes）
????
????model.train（）
????avg_loss?=?loop_dataset（train_graphs?model?train_idxes?cmd_args.batch_size?optimizer=optimizer）
????print（‘\033[92maverage?training?of?epoch?%d:?loss?%.5f?acc?%.5f?auc?%.5f\033[0m‘?%?（epoch?avg_loss[0]?avg_loss[1]?avg_loss[2]））

????model.eval（）
????test_loss?=?loop_dataset（test_graphs?model?list（range（len（test_graphs）））?cmd_args.batch_size）
????print（‘\033[93maverage?test?of?epoch?%d:?loss?%.5f?acc?%.5f?auc?%.5f\033[0m‘?%?（epoch?test_loss[0]?test_loss[1]?test_loss[2]））