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