前言

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

🌠 『精品学习专栏导航帖』

• 🐧【Matplotlib绘制图像目录】Python数据可视化之美🐧
• 🎠【Pandas数据处理100例目录】Python数据分析玩转Excel表格数据🎠
• 🐳最适合入门的100个深度学习实战项目🐳
• 🐙【PyTorch深度学习项目实战100例目录】项目详解 + 数据集 + 完整源码🐙
• 🐶【机器学习入门项目10例目录】项目详解 + 数据集 + 完整源码🐶
• 🦜【机器学习项目实战10例目录】项目详解 + 数据集 + 完整源码🦜
• 🐌Java经典编程100例🐌
• 🦋Python经典编程100例🦋
• 🦄蓝桥杯历届真题题目+解析+代码+答案🦄
• 🐯【2023王道数据结构目录】课后算法设计题C、C++代码实现完整版大全🐯

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。

🌈『目录』

📢 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)​​

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。