make everything smaller so they actually run

examples/ijcai_example.py

@@ -34,11 +34,11 @@
 parser.add_argument("--lr", type=float, default=0.001)
 parser.add_argument("--epochs", type=int, default=10)
 parser.add_argument("--eval_epochs_interval", type=int, default=1)
-parser.add_argument("--batch_size", type=int, default=256)
-parser.add_argument("--channels", type=int, default=128)
+parser.add_argument("--batch_size", type=int, default=128)
+parser.add_argument("--channels", type=int, default=64)
 parser.add_argument("--aggr", type=str, default="sum")
 parser.add_argument("--num_layers", type=int, default=6)
-parser.add_argument("--num_neighbors", type=int, default=128)
+parser.add_argument("--num_neighbors", type=int, default=64)
 parser.add_argument("--temporal_strategy", type=str, default="last")
 parser.add_argument("--max_steps_per_epoch", type=int, default=2000)
 parser.add_argument("--num_workers", type=int, default=0)
@@ -162,7 +162,7 @@ def create_edge(data, behavior, beh_idx, pkey_name, pkey_idx):
 num_dst_nodes = data[dst_entity_table].num_nodes
 
 for split in ["train", "val", "test"]:
-    dst_nodes_data = dst_nodes.data <= split_date[split]
+    dst_nodes_data = dst_nodes.data < split_date[split]
     dst_nodes_dict[split] = torch.sparse_coo_tensor(
         torch.stack([torch.tensor(dst_nodes.row),
                      torch.tensor(dst_nodes.col)]), dst_nodes_data,
@@ -211,8 +211,8 @@ def create_edge(data, behavior, beh_idx, pkey_name, pkey_idx):
         norm="layer_norm",
         embedding_dim=64,
         torch_frame_model_kwargs={
-            "channels": 128,
-            "num_layers": 4,
+            "channels": 64,
+            "num_layers": 2,
         },
     ).to(device)
 elif args.model == 'shallowrhsgnn':