对新手来说，图神经网络入门容易吗？GNN/GCN入门

如果觉得难，那有可能是因为你没有找到一个正确的方法及正确的学习路线。就像刚开始深度学习流行的那时候一样，CNN在大家眼中都是个很新颖的东西，觉得他既难搞又神秘，那你看到现在，谁还会觉得觉得CNN很难了，框架一堆都是现成的轮子，三两行代码搭一个cnn，教程遍地都是。

有很多同学觉得难不好入门，是因为你还不了解它，你认真的去读它几篇文章，不用最新的，就从最基础的开始，认真读个三四篇，并着手把一些基础的模型，例如最初的GCN，GAT动手写一写。刚开始不会写不要紧啊，现在资料都已经很多了，照着别人的代码结合文章理解，仿照写一写，三两个模型之后。估计那时你就会觉得，这图神经网络也不过是各个节点向量间在乱七八糟的一顿加权求和罢了，一点也不神秘。

现在图相关的资料太多了，各大顶会现在都是图相关模型刷榜。但问题也在这，资料太多，反倒不知道从何下手了。

1. 学习路线

将我当时学习的路线，写在这，供大家参考。

我是通过看paper学习的，按图模型结构分类的话大致可以分为下面这两种。

给大家整理了相关图神经网络入门基础到进阶教学，超详细人工智能学习路线让大家在学习路上不再迷茫，欢迎关注我私信【123】白嫖领取

图嵌入类的这一种是以往的经典算法，采用一个三元组表示一个关系（h, r, t）,然后依照h + r = t的基本思想，在此思想上也会有各种变形等，将知识图映射至高维空间，完成图的嵌入，这方面了解一下基本思想，优劣就好，不建议花太多的时间，毕竟追新不追旧，得往前看。

图游走类的可以从deepwalk看起，后续的Node2Vec，LINE跟上，deepwalk建议动手写一写，网上现在资料也很多，不会太难，动手实现一下，模型很简单，思想在游走类图模型上很通用，这几篇都是模型结构基本没太多变化，主要是在游走sample node时采取的不同的遍历策略（DFS/BFS,不多讲了，留给大家自己去探索），看完这几篇你会发现图游走类的模