大家好，我是阿光。
本专栏整理了《图神经网络代码实战》，内包含了不同图神经网络的相关代码实现（PyG以及自实现），理论与实践相结合，如GCN、GAT、GraphSAGE等经典图网络，每一个代码实例都附带有完整的代码。
正在更新中~ ✨
🚨 我的项目环境：
- 平台：Windows10
- 语言环境：python3.7
- 编译器：PyCharm
- PyTorch版本：1.11.0
- PyG版本：2.1.0
对于本专栏的网络模型，分别使用了三种实现方式 PyG框架实现、PyTorch实现、Message Passing消息传递机制实现，小伙伴可以按照自己的能力以及需求学习不同的实现方式。
注意 🚨：本目录中已存在的链接博文已全部写好，例如 + （一）：节点分类 这类带有删除线的文章表示正在更新中，如果写完会去掉删除线，点击出现404表示文章还没有发布，后续根据情况陆续发布。
🌈『目录』
📢 PyG算子、数据集介绍
📢 图神经网络常见任务与应用场景
📢 图嵌入学习（Graph Embedding）
- （一）：DeepWalk（PyG基于DeepWalk实现节点分类及其可视化）
- （二）：Node2Vec（PyG基于Node2Vec实现节点分类及其可视化）
- （三）：MetaPath2Vec（PyG基于MetaPath2Vec实现节点分类及其可视化）
+ （三）：LINE
📢 图池化（Graph Pooling）
- （一）：EdgePool（Pytorch+PyG实现EdgePool实现图分类）
- （二）：TopKPool（Pytorch+PyG实现TopKPool实现图分类）
- （三）：SAGPool（Pytorch+PyG实现SAGPool实现图分类）
- （四）：ASAPool（Pytorch+PyG实现ASAPool实现图分类）
📢 MLP
📢 GCN
- （一）：Pytorch+PyG实现GCN(基于PyG实现)
- （二）：Pytorch实现GCN(基于PyTorch实现)
- （三）：Pytorch实现GCN(基于Message Passing消息传递机制实现)
📢 GAT
- （一）：Pytorch+PyG实现GAT(基于PyG实现)
- （二）：Pytorch实现GAT(基于PyTorch实现)
- （三）：Pytorch实现GAT(基于Message Passing消息传递机制实现)
📢 GIN
- （一）：Pytorch+PyG实现GIN(基于PyG实现)
- （二）：Pytorch实现GIN(基于PyTorch实现)
- （三）：Pytorch实现GIN(基于Message Passing消息传递机制实现)
📢 GraphSAGE
- （一）：Pytorch+PyG实现GraphSAGE(基于PyG实现)
- （二）：Pytorch实现GraphSAGE(基于PyTorch实现)
- （三）：Pytorch实现GraphSAGE(基于Message Passing消息传递机制实现)
📢 EdgeCNN
- （一）：Pytorch+PyG实现EdgeCNN(基于PyG实现)
- （二）：Pytorch实现EdgeCNN(基于PyTorch实现)
- （三）：Pytorch实现EdgeCNN(基于Message Passing消息传递机制实现)
📢 GraphConv
- （一）：Pytorch+PyG实现GraphConv(基于PyG实现)
- （二）：Pytorch实现GraphConv(基于PyTorch实现)
- （三）：Pytorch实现GraphConv(基于Message Passing消息传递机制实现)
注意🚨：所有文章使用的图数据是经典的 Cora 数据集，定义的训练轮数（200轮）以及损失函数优化器都是一致的，由于图网络很容易过拟合导致训练集的分类精度达到 99.9%，所以下表中显示的数据都是基于测试集的。
| Accuracy | Loss | |
|---|---|---|
| MLP | 0.1800 | 1.9587 |
| GCN | 0.7200 | 1.3561 |
| GAT | 0.7810 | 1.0362 |
| GIN | 0.7650 | 0.9645 |
| GraphSAGE | 0.7060 | 1.2712 |
| EdgeCNN | 0.3790 | 1.7529 |
| GraphConv | 0.6030 | 1.2378 |
来源地址：https://blog.csdn.net/m0_47256162/article/details/128738325
