1 概述
PyG(PyTorch Geometric)是一个建立在 PyTorch 基础上的库，用于轻松编写和训练图神经网络(GNN)，用于与结构化数据相关的广泛应用
任务形态
GNN中常见任务：Graph级别任务、Node级别任务、Edge级别任务
包括：节点分类，节点连接预测，图相似度检测，异常检测，图分类
多层GNN不会改变图的拓扑结构，但是会改变点的特征，多层GNN处理可以扩大感受野
GCN和CNN有什么不同和相同点
不同点：图卷积中每个点的邻居数量是不确定的，图卷积中的数据输入格式不确定
相同点：GCN和CNN本质都需要对输入数据做特征提取，且都是根据某个点周围点的情况提取特征
GCN 可以处理 semi-supervised learning，即只有部分节点有标签的情况，计算损失时只用有标签的计算
GCN 的层数一般3~5层比较好，层数叠加可能导致反效果