图神经网络 —— GNN通用计算管道

前言

大家好，我是阿光。

本专栏整理了《图神经网络》，内包含了不同图神经网络的原理以及相关代码实现，详细讲解图神经网络，理论与实践相结合，如GCN、GraphSAGE、GAT等经典图网络，每一个代码实例都附带有完整的代码+数据集。

正在更新中~ ✨

🚨 我的项目环境：

• 平台：Windows10
• 语言环境：python3.7
• 编译器：PyCharm
• PyTorch版本：1.11.0
• PyG版本：2.1.0

💥 项目专栏：【入门图神经网络】

---

一、GNN模型的通用计算管道

对于GNN模型来说可以将其看成一个通用的图模型管道，对于管道那么就会有通用的流水线设计，对于这个流水线中的常见步骤有4步，找出任务中的图结构信息、指定图类型、设计指定任务的损失函数、使用计算模块构建模型。

二、找出任务中的图结构信息

使用GNN的前提就是我们首先需要判断我们的任务能够使用GNN来进行建模，其次就是如果符合那么我们的图数据是什么。

通常有两种情景：结构性情景和非结构性情景。

在结构场景中，图结构在应用中是显式的，例如