图网络相关论文和代码（gnn gcn graphsage gat gas dgcn sim-gnn）

入门图神经网络的好资源,了解GNN的基本原理,训练方法,以及其各种变体的应用。里面包含了清华总结的大部分论文资料，通俗易懂，讲解全面。总有适合你的。

由北京智源人工研究员、智源AI社区举办的图神经网络在线研讨会 2020。具体来说，会议报告包括：《网络表示学习》-北大宋国杰、《图卷积神经网络》-中科院计算所沈华伟、《图神经网络(GNN)及认知推理》-清华唐杰、《异质图神经网络及其在电商中的应用》-北邮石川。欢迎大家下载、学习。

PGM解释器 为GNN预测生成PGM解释。 文件夹PGM_Node包含用于节点分类任务的实验代码。 文件夹PGM_Graph包含用于图形分类任务的实验代码。

以下附上一份简单《图神经网络》的教程，共计28页ppt。其主要包括图卷积网络（Graph Convolutional Networks）、图采样方法（Graph Sampling Methods）与基于PyTorch的实现与应用（Application and PyTorch Implementation）三个核心部分。欢迎感兴趣的朋友下载学习。

GNN算法 图神经网络相关算法重构及实现教程。 受到pytorch_geometric启发，我们开发了基于Tensorflow的GNN库： ，其中集成了高效且对科研工作者友好的GNN模型。GNN-algorighms则是基于tf_geometric对近几年如火如荼的图神经模型进行此类以及以及手把手教大家实现GNN模型的教程。 目录 本人才疏学浅，如教程有任何不妥当或错误之处，欢迎扫描下方的二维码加群或者开问题讨论。同时本群也欢迎志同道合之士加群共同探讨图神经网络。AI恒久远，GNN永流传。（由于GNN-algorithms交流群人数已经超过200人，只能通过邀请进群，有意者请扫码加我微信，邀你进群）

Cora数据集，可以通过Planetoid进行加载

cg-gnn训练模型，

b站的GNN从入门到精通的课程的PPT

图神经网络无疑是现在最火的AI技术之一，在本文中，全面详细地介绍了GNN的背景动机、GCN、循环关系网络、通用网络。