【深度学习】可交互讲解图神经网络GNN

在正式开始前，先找准图神经网络GNN(Graph Neural Network)的位置。

图神经网络GNN是深度学习的一个分支。

深度学习的四个分支对应了四种常见的数据格式，前馈神经网络FNN处理表格数据，表格数据可以是特征向量，卷积神经网络CNN处理图像数据，循环神经网络RNN处理时序数据，图神经网络GNN处理图数据。

这里的FNN指的是如下图所示的带有输入层，隐藏层，输出层的网络。

但这四种对应关系并不是一成不变。

如果将图像拉直成向量，同样可以用FNN来处理。

声音文本这类时序数据，用RNN类型的网络最适合，但如果你把一个句子当作一个1*N的矩阵，那就可以用CNN处理了，只不过，CNN需要堆叠多个层来抓取时序数据中的上下文信息，这在图像领域被称为感受野。

注意：虽然可以通过一定的技巧把句子表示成矩阵然后用CNN处理,但从本质上来说,CNN还是不如RNN更适合处理时序数据。

如果将图像划分成patch，这些pathces组成序列，同样也可以用Transformer处理，这就是Vision Transformer：ViT。

而今天要讲的GNN，既能处理表格数据，又能处理图像，文本。

更准确地说，只要能表示成GNN兼容的图数据结构就能用GNN处理。

今天的文章来自distill发布的一篇博文：A Gentle Introduction to Graph Neural Networks。

网址：https://distill.pub/2021/gnn-intro/
B站沐神视频讲解：https://www.bilibili.com/video/BV1iT4y1d7zP/?spm_id_from=333.999.0.0

这篇文章写的非常好，亮点是不光有交互式图表，还有PlayGround，可见作者是下了一番功夫的。

先科普一下什么是Playground？

Playground通常指在机器学习和人工智能领域用来交互式体验和可视化AI模型的一种系统或平台。

下面展示两个AI Playground。