“Yeah It’s on. ”
前言
7月就这样过去了，结束了好多东西，浑浑噩噩
8月悄悄来啦，要继续热爱生活啦。
1.GCN主要思想
GCN(Graph Conv Network):图卷积神经网络，说到卷积神经网络，不可能不想到CNN，在深度学习各个领域都特别火的卷积，其实说实话就是加权求和，最主要的作用就是提取局部特征。
但是由于图卷积是作用在Graph上的，Graph数据是非欧式距离的数据，Graph是指数学（图论）中的用顶点和边建立相应关系的拓扑图。如下所示。
在非欧式的数据处理领域，有两种基本方法：
1).vertex domain ：简单来说，就是利用空间关系来进行表示，去衡量这个点在空间中的位置，那个是中心点等待
2).spectal domain: 是使用谱分解，对数据内部的一些特征进行分解，简单的概括就是借助于图的拉普拉斯矩阵的特征值和特征向量来研究图的性质，GCN就是使用拉普拉斯矩阵
GCN的主要思想就是对非欧式距离的数据，使用图谱的理论进行研究，然后将每一次的计算进行叠加，根据参数进行卷积操作，然后获得最后的输出，进行迭代训练。
2.GCN数学推导
https://zhuanlan.zhihu.com/p/67522582
3.GCN代码
https://zhuanlan.zhihu.com/p/51990489
