本文主要是介绍复现Evolutionary Preference Learning via Graph Nested GRU ODE for Session-based Recommendation的GNG-ODE，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
- 恒源云中下载FileZilla用于上传数据，新建一个站点后 填写如下信息
- 在主页面打开jupyterlab 里面有各种操作台 选择终端
然后进入cd /hy-tmp内部
然后cd 所需目录之下
调用作者给出的
python -u scripts/main_ode.py --dataset-dir …/datasets/tmall --gnn GATConv --solver dopri5即可运行
ps：需要注意的是 代码有几处需要改动
（1）dataset.py里的np.long要改成np.int64 共两处
（2）main里的numworkers要改为0 一处
（3） 运行时可能会缺少包 需要pip install
pip install dgl -f https://data.dgl.ai/wheels/cu116/repo.html
pip install dglgo -f https://data.dgl.ai/wheels-test/repo.html
pip install rdflib
pip install torchdiffeq
在自己电脑试了很多次 就是不行 colab也不行，借助云服务器终于可以了
cd到main文件夹 并直接运行main
电脑环境不对，于是重新装了环境，python=3.8 pytorch=2.0.1， cuda=11.7
从GNG-ODE-main文件开始新建一个项目，此时运行成功
nowplaying可以直接运行
tmall内存不足
gowalla运行时报错squeeze，此时，只需要把dataset.py文件里的涉及squeeze=true的地方，更改为：
def read_sessions(filepath):
sessions = pd.read_csv(filepath, sep=‘\t’, header=None).squeeze()
sessions = sessions.apply(lambda x: list(map(int, x.split(‘,’)))).values
return sessions
def read_timestamps(filepath):
sessions = pd.read_csv(filepath, sep=‘\t’, header=None).squeeze()
sessions = sessions.apply(lambda x: list(map(float, x.split(‘,’)))).values
return sessions
这篇关于复现Evolutionary Preference Learning via Graph Nested GRU ODE for Session-based Recommendation的GNG-ODE的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
