Python 代码解析：if __name__ == '__main__' 代码片段解读

该代码片段包含一个 if __name__ == '__main__' 代码块，用于执行主程序。代码中定义了数据集名称 'cora' ，验证标志 False，以及隐藏层神经元数量 16。

代码首先加载了多个不同阶数的邻接矩阵，并将它们存入一个列表 adjtensorList 中。随后，代码遍历了不同阶数的邻接矩阵，并对每个阶数的矩阵进行以下操作：

遍历不同的标签比率 LabelRatioList：
遍历不同的迭代次数 iter：
随机设置种子，并加载数据集，包括特征 features，标签 labels，训练集索引 idx_train，验证集索引 idx_val，测试集索引 idx_test 和未标记数据索引 idx_unlabel。
遍历不同的高阶邻居权重 betwT：
执行 aa = doHighOrder(...) 代码，调用 doHighOrder 函数，传入多个参数：
- betwT: 高阶邻居权重。
- lr: 标签比率。
- adjtensor: 邻接矩阵列表。
- features: 数据特征。
- labels: 数据标签。
- idx_train: 训练集索引。
- idx_val: 验证集索引。
- idx_test: 测试集索引。
- idx_unlabel: 未标记数据索引。
- validate: 验证标志。
- hiddenNum: 隐藏层神经元数量。
doHighOrder 函数用于执行基于高阶邻居的图卷积神经网络模型，并返回该模型在测试集上的准确率。
将返回的准确率 aa 写入文件。
输出训练信息，包括阶数、标签比率、迭代次数、高阶邻居权重和准确率。

这段代码展示了如何利用不同阶数的邻接矩阵，以及不同的标签比率、迭代次数和高阶邻居权重，来训练图卷积神经网络模型。代码通过调用 doHighOrder 函数来执行模型训练，并返回测试集上的准确率。最终，代码将训练信息写入文件，以方便后续分析。