系列教程GNN-algorithms之一：《图卷积网络（GCN）的前世今生》

【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

参考文献：

• https://www.zhihu.com/question/54504471/answer/332657604
• http://xtf615.com/2019/02/24/gcn/
• https://blog.csdn.net/yyl424525/article/details/100058264