在这篇中，将介绍图神经网络的架构。关键思想是，在GNNs中，根据局部网络邻域生成节点嵌入。gnn通常由任意数量的层组成，而不是单层，以集成来自更大上下文的信息。介绍了如何使用gnn来解决优化问题，以及它强大的归纳能力。

1. 主要内容

2. 初试设置

3. 简单想法

3.1 直接将邻接矩阵输入

3.2 CNN想法

3.3 现实世界中的图结构

3.4 从图像到图的思想

4. 图卷积网络

我们可以简单认为图卷积网络分为两个步骤：

• 确定节点计算图。
• 在计算图中传播和转换信息。

4.1 聚合邻域

与经典神经网络不同的是，图神经网络中，每个节点都可以定义自己的神经网络架构。

但这样，我们就需要同时训练多个架构。

• 多层时：

核心问题是，如何聚合邻域？

基础方法：

4.2 Deep Encoder

4.3 训练模型

要想训练我们的模型生成embeddings，我们需要定义损失函数。

确定参数：

4.3.1 矩阵形式

4.3.2 如何训练？

4.3.3 无监督学习

4.3.4 监督学习

4.4 流程

5. 归纳能力

6. 总结