图学习笔记（七）：图神经网络算法（二）——图采样、邻居聚合

图采样

1. 为什么要图采样？

图采样的原因：

• 如果图很大，需要进行“图采样”。
  权图规模太大，当代的GPU/CPU资源受限，无法一次性全图送入计算资源（难以将整张图放入GPU/CPU中），因此，需要借鉴深度学习中的MiniBatch。

MiniBatch训练

• 传统深度学习：单batch为若干个样本。样本之间无依赖，多层样本计算量固定。随着模型层数加深，参与计算的样本量固定。
• 图神经网络：单batch为若干个节点。节点之间相互依赖，随着模型层数加深，多层节点计算量爆炸。为了保证计算量在可计算的范围内，因此，要研究图采样。
  

2. 什么是图采样？

• 在一张图中进行采样，得到一张子图。其中需要注意：图采样是子图采样，而不是随机采样。
• 随机采样：会出现采集到的点都是互不相连的，是孤立点的情况。特别是图很大的时候，很容易出现