关于代码的部分问题和总结

[LawsonAbs]

先说一下我的运行环境： dgl 0.6.1 torch 1.8.0 这份代码貌似问题有点儿多啊！ （1）DGLREDataloader 类中的使用for循环对mapping的zero_()操作是否有点儿冗余，直接将外层声明tensor的语句放到for循环内部不就可以了吗？

[LawsonAbs]

（2）大家的程序大概跑多久啊？我在GPU（2张3090）上训练了大概2天才跑完300epoch，使用的是Bert-base.

[LawsonAbs]

（3）代码run_GAIN__BERT.sh 中的 --test_epoch 的叫法明显有点儿问题，其作用应该就是每隔几个epoch就测一下在训练的模型在验证集上的效果，所以这里是不是叫做 dev_period 比较好？

[LawsonAbs]

（4）请问data.py 中的DGLREDataloader 类的 iter方法下的这段代码的具体含义是什么？ `

for h_idx in range(L): for t_idx in range(L): if h_idx != t_idx: hlist, tlist = entities[h_idx], entities[t_idx] ht_pairs[i, j, :] = torch.Tensor([h_idx + 1, t_idx + 1]) relation_mask[i, j] = 1 delta_dis = hlist[0]['global_pos'][0] - tlist[0]['global_pos'][0] if delta_dis < 0: ht_pair_distance[i, j] = -int(self.dis2idx[-delta_dis]) + self.dis_size // 2 else: ht_pair_distance[i, j] = int(self.dis2idx[delta_dis]) + self.dis_size // 2 j += 1

`

[LawsonAbs]

(5) 请问test.py 中的test 函数里面的那个 ours参数是什么作用？

[LawsonAbs]

(6)h_t_limit_per_batch=300, h_t_limit=1722, 这两个参数分别代表什么含义，且它们在DGLREDataloader中的值是怎么设定的啊？

[LawsonAbs]

（7）在data.py 中，create_entity_graph() 中创建的path是按照(i+1,j+1) = (val+1)规则创建的。这是有什么特殊的意义吗？可以直接使用(i,j) = set(val) 表示节点i和节点j均可到达的公共节点集合为set(val)吗？

[LawsonAbs]

(8)在 RelGraphConvLayer 中，代码 weight = self.basis() if self.use_basis else self.weight # TODO？ 的逻辑是什么？这里的self.use_basis 是什么意思呢？

[LawsonAbs]

(9)test.py 中的4重for循环严重影响了模型的性能，这里是直接对所有的head_entity 和 tail_entity 以及 relation 进行一个组合，导致模型的复杂度很高，是否可以直接遍历golden_label，然后同时对predict的数据进行处理即可？这样是否可以加快模型的处理速度?

[ridiculouz]

（2）大家的程序大概跑多久啊？我在GPU（2张3090）上训练了大概2天才跑完300epoch，使用的是Bert-base.

我训练22h，大概能跑100epoch，感觉代码的cpu部分太多了，gpu利用率并不高。 想问一下您的训练log大概是怎么样的？大概在多少epoch能达到最高，以及最高的dev f1和auc是多少呢？感谢！

[SnowWangyue]

先说一下我的运行环境：这份代码貌似问题有点儿多啊！（1）DGLREDataloader 类中的使用for循环对mapping的zero_（）操作是否有点儿冗余，直接将外层声明tensor的语句放到for循环内部不就可以了吗？dgl 0.6.1 torch 1.8.0

您好，可以详细说一下您的环境配置吗？

[hoooperrr]

（4）请问data.py 中的DGLREDataloader 类的 iter方法下的这段代码的具体含义是什么？ `

for h_idx in range(L): for t_idx in range(L): if h_idx != t_idx: hlist, tlist = entities[h_idx], entities[t_idx] ht_pairs[i, j, :] = torch.Tensor([h_idx + 1, t_idx + 1]) relation_mask[i, j] = 1 delta_dis = hlist[0]['global_pos'][0] - tlist[0]['global_pos'][0] if delta_dis < 0: ht_pair_distance[i, j] = -int(self.dis2idx[-delta_dis]) + self.dis_size // 2 else: ht_pair_distance[i, j] = int(self.dis2idx[delta_dis]) + self.dis_size // 2 j += 1

`

想请问一下现在知道了吗？我也有这个问题~

[msy0513]

可以分享一下dgl大于0.5版本的代码吗？