图

顶点可以用向量来表示，边也是，全局信息也是
把image表示成graph

把text表示成graph

一个词和下一个词之间有一条边
分子图

社交网络

空手道俱乐部

引用图（有向）

三大类问题

1.图层面的任务 识别环，对图进行分类
2.顶点层面的任务 社区检测
3.边层面的任务

神经网络遇到的挑战
1.怎样表示图，顶点/边/全局/连接性，最后一个如何表示？邻接矩阵？非常稀疏，非常大，低效，在gpu上用很难。排序不能影响。

使用邻接表，与顺序无关

GNN

GNN是一个对图上所有属性的优化变换，可以保存对称的信息。
使用信息传递的框架。进入是图，输出是图。会对向量变换，但不会改变连接性。
对于顶点/边/全局，分别构造MLP多层感知机，输入和输出大小一样

全连接层

如果想对顶点预测，但没有向量，使用pooling
把和它邻接的以及全局向量拿出，表示这个向量