一、相关概念
训练方式是端到端的
规则性数据-->非欧式数据（树、图）
谱分解
二、图卷积网络（GCN）
Graph Convolutional Network
2.1 图像卷积-->图结构卷积（度进行邻居的计算）
图像卷积：将一个像素点周围的像素按照不同的权重叠加起来
图结构上的卷积：将一个节点周围的邻居按照不同的权重叠加起来
2.2 怎么用消息传递方式实现图卷积网络
第一步：发送函数：soruce发送send
第二步：接收函数
两个朋友和两个名人对你的评价，不一定都是有用的
衡量邻居的重要性：通过度
2.3 怎么用多层的图网络完成节点分类任务
三、GAT（attention）
在GCN中，由于节点的度是确定的，边的权重是不可以学习的-->GAT（把度变成节点直接的函数）
单头attention
多头attention
训练过程
四、Message passing
Spatial GNN（消息发送和消息接收）
问题1：
蓝色到黄色更新
问题2：
问题3：
