图神经网络实战（7）——图卷积网络(Graph Convolutional Network, GCN)详解与实现

0. 前言

图卷积网络 (Graph Convolutional Network, GCN) 架构由 Kipf 和 Welling 于 2017 年提出，其理念是创建一种适用于图的高效卷积神经网络 (Convolutional Neural Networks, CNN)。更准确地说，它是图信号处理中图卷积操作的近似，由于其易用性，GCN 已成为最受欢迎的图神经网络 (Graph Neural Networks, GNN) 之一，是处理图数据时创建基线模型的首选架构。
在本节中，我们将讨论 Vanilla GNN 架构的局限性，这有助于我们理解 GCN 的核心思想。并详细介绍 GCN 的工作原理，解释为什么 GCN 比 Vanilla GNN 性能更好，通过使用 PyTorch Geometric 在 Cora 和 Facebook Page-Page 数据集上实现 GCN 来验证其性能。