图神经网络要点
1. GNNs adopt a “graph-in, graph-out” architecture meaning that these model types accept a graph as input, with information loaded into its nodes, edges and global-context, and progressively transform these embeddings, without changing the connectivity of the input graph.
图神经网络采用“图输入,图输出”的架构,意味着这些模型类型接受图作为输入,其中信息加载到其节点、边和全局上下文中,并逐渐转换这些嵌入,而不改变输入图的连接性。
2. 在图卷积神经网络当中使用经过归一化的矩阵,是因为原有的A是一个没有经过归一化的矩阵,这样与特征矩阵相乘就会改变特征原本的分布,所以需要对A做一个标准化处理。平衡度很大的节点的重要性。
3. 在pyg当中,提供了 messagepassing基类,它通过自动处理消息传播来帮助创建此类消息传递图神经网络。用户只需要定义函数。即 message() 和 update(),以及要使用的聚合方案,即 aggr="add"、aggr="mean" 或 aggr="max"。
4. 线形层在图神经网络当中的使用