图神经网络算法族
对于 GNNs 系列算法，强烈推荐参考或直接使用 dgl (Deep Graph Library) 库。该库专门用于图神经网络，支持 pytorch、tensorflow 和 MXNet 三种框架，支持 GNN、GCN、Relational-GCN、LGNN、Tree-LSTM、DGMG、JTNN等图神经网络族的算法，代码简练易懂且调用容易。
同时，针对图结构数据，最好熟悉一下 networkx 库，者是一个用于创建、操作和研究复杂网络的python软件包。
当然了，本专栏的重点是 raw python 复现，是自我实现！ 不过，弄懂原理之后，在工程上当然就可以无心理负担地调库了。
介绍图神经网络的综述在 2018 年之后就如过江之鲫一般，我之前也写过一篇 Graph NN 的归纳文章：
【归纳综述】Graph Neural Network: An Introduction Ⅰ
参考的文章是：
A Comprehensive Survey on Graph Neural Networks | 2019 Jan
今天要写的 GNN 是最原始版本的，可追溯到 2009 年的 The graph neural network model，不过这文章的公式看起来不是很友好啊。现在已经很少直接用这个原始版本的 GNN 了，基本都是 GCN 起步了。万幸的是，我找到了一个复现库：
今天就按照这个代码看一下GNN和普通NN有什么不同。