# gnn_macro_place_predictor

**Repository Path**: Constwelve/gnn_macro_place_predictor

## Basic Information

- **Project Name**: gnn_macro_place_predictor
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2021-09-24
- **Last Updated**: 2021-09-24

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# src/contents
* batch.py , loader.py
对PyG原有的loader进行了修改，使得对于Hypergraph，batch_size>1时可以正确加载egde_index和macro_index
* layers.py HyperSAGPool是基于attention的Hypergraph pooling，现在没有在用

HyperConv是允许每个node向不同的的hyperedge propagate不同的message的 conv

AttHyperConv在上述HyperConv之上在Hyperedge propagate 到node时增加了attention机制，使得不同hyperedge传到node时有不同的权重。正考虑有没有办法把att移到node->edge的部分，这样感觉更合理。

AttHyperhgraphConv在HypergraphConv（PyG已经实现的）之上在Hyperedge propagate 到node时增加了attention机制，使得不同hyperedge传到node时有不同的权重
* models.py 里面除了ANet和CNN都已经弃用

ANet 一层AttHyperConv + 2 层 AttHypergraphConv + 一个3层 MLP，中间加了每层graph conv到MLP的额外的连接。采用 graph mean pooling 和 macro mean pooling。
* datasets.py 除了DesignSet和CNNDataset其他的都已经弃用了，CNNDataset仅用于测试CNN模型。
DesignSet Data 中包括 
    *   x=cell_size
    *   edge_index
    *   pin_feature=pin_offset
    *   macro_index=macro_index,
    *   golden=gold,
    *   wl=routed wire length
    *   rank=该 design 内部rwl排名 
    *   cell_pos=real cell pos
    *   fake_pos=cell pos infered from macro pos
    *   hpwl
* util.py,looger.py 一些工具，可以计算graph的半径，cell 到每个macro的最短路等

# train and test
train 直接用 main.py

    python main.py  --model ANet 
                    --batch_size 2 
                    --device cuda:1 
                    --lr 0.0002 
                    --step_size 50 #lr decay step size
                    --graph_reg #表示图回归
                    --dataset DesignSet 
                    --nhid 128  
                    --label hpwl 
                    --seed 2021 
                    --attention 
                    --use_real_pos
                    --design all #训练和测试所用的design，可指定单个design或者使用all即suoyoudesign

test 用 test.py, 不用指定model,他会从路径读出来，但要选择attention

    python test.py 
        --checkp save/ANet_graph_ispd19_test4_Sep:24:07:46:22/best.pth 
        --design ispd19_test4 
        --attention 
        --device cuda:3