图神经网络GNN教程：7篇带你彻底学习

【导读】图卷积网络(Graph Convolutional Networks)作为最近几年兴起的一种基于图结构的广义神经网络，因为其独特的计算能力，受到了学术界和工业界的关注与研究。传统深度学习模型如 LSTM 和 CNN在欧式空间中表现不俗，却无法直接应用在非欧式数据上。为此，研究者们通过引入图论中抽象意义上的“图”来表示非欧式空间中的结构化数据，并通过图卷积网络来提取（graph）的拓扑结构，以挖掘蕴藏在图结构数据中的深层次信息。本文结合公式推导详细介绍了图卷积网络（GCN）的前世今生，有助于大家深入了解GCN。

系列教程《GNN-algorithms》

本文为系列教程《GNN-algorithms》的内容，该系列教程不仅会深入介绍GNN的理论基础，还结合了TensorFlow GNN框架tf_geometric对各种GNN模型（GCN、GAT、GIN、SAGPool等）的实现进行了详细地介绍。本系列教程作者王有泽（https://github.com/wangyouze）也是tf_geometric框架的贡献者之一。

系列教程《GNN-algorithms》Github链接：

• https://github.com/wangyouze/GNN-algorithms

TensorFlow GNN框架tf_geometric的Github链接：

• https://github.com/CrawlScript/tf_geometric
  
• 系列教程GNN-algorithms之一：《图卷积网络（GCN）的前世今生》
• 系列教程GNN-algorithms之二：《切比雪夫显神威—ChebyNet》
• 系列教程GNN-algorithms之三：《将图卷积简化进行到底—SGC》
• 系列教程GNN-algorithms之四：《Inductive Learning 大神—GraphSAGE》
• 系列教程GNN-algorithms之五：《注意力机制在图上的应用—GAT》
• 系列教程GNN-algorithms之六：《多核卷积拓扑图—TAGCN》
• 系列教程GNN-algorithms之七：《图同构网络—GIN》

温馨提示：新智元主页新增“实用贴合集”，含AI技术教程、开源工具、书籍及视频下载等，欢迎大家参与。

文章转载自专知，如有侵权请联系删除。