木盏

目前处理非欧数据最常见的方法还是构建图，而networkx一个专门的构建图数据的工具。方便又好用。先给链接：https://networkx.github.io/官方文档：https://networkx.github.io/documentation/latest/networkx的安装方法上面的官方文档已经很详细记录，阿盏就不赘述了。官方文档里给了几个demo，虽然便利，但泛化性不强。我这边给一个泛化性强一些的demo：import networkx as nximport ma

前言GNN/GCN在非欧数据中的应用具有极大的挖掘价值。通常，GNN的应用分为两种：1，节点分类；2，图分类。节点分类可以用在点云分割，社交网络节点分类，推荐算法等等。图分类可以用在姿态估计，蛋白质分类等等，当然，也可以用在图像分类。对于节点分类而言，图结构在forward阶段是不会改变的，改变的只是节点的隐藏层属性。如下：对于图分类而言，图结构在前传的时候会downsize，最后聚合成一个点的feature再做MLP：截图来自论文：https://arxiv.org/abs

毫无疑问，图神经网络(Graph Neural Networks)是泛计算机视觉领域内继CNN、GAN、NAS等之后的又一个研究热点，非常powerful。GAT是空域GNN的代表模型，Bengio大佬团队出品，发表在ICLR2018，目前谷歌引用已经1k了。它的特点是，很适合作为上手GNN模型。