图卷积神经网络GCN、GraphSage都属于图卷积神经网络，都是利用节点与节点周围的邻居信息不断的聚合，以学习到节点的高层表示。PATCH-SAN：因为GCN和GraphSage聚合邻居信息时具有排列不变性，而PATCH-SAN是真正利用卷积操作，去完成节点的深层次的学习。Graph Attention NetWorkGAT利用节点之间的attention，求出节点与周围邻居节点的attenti

查看数据样本import pandas as pdimport matplotlib.pyplot as pltimport numpy as np%matplotlib inlinedata = pd.read_csv("./data/creditcard.csv")data.head()这个数据，并不是最原始数据，而是通过降维操作把数据进行特征压缩。我们可以根据这些特征进行建模。这些数据有一列

我们在使用docker部署flask的时候，需要使用进行调试，但是控制台却不是实时输出的结果。

Cora数据集PyG包含有大量的基准数据集。初始化数据集非常简单，数据集初始化会自动下载原始数据文件，并且会将它们处理成Data格式。如下图所示，Cora数据集中只有一个图，该图包含2708个节点，10556条边，节点类别数为7，特征维度为1433。并且默认已经对数据集进行了划分，分为了训练集、验证集和测试集。然后看看节点特征和标签。x为节点特征矩阵，维度为2708*1433。y为节点标签向量，维

在之前的介绍中，我们已经学习了使用GNN进行节点分类，比如预测一个图中的节点所属的类别。这一节中我们将教你如何进行链路预测，比如预测任意两个节点之间是不是存在边。本节你将学到：构建一个GNN的链路预测模型在一个小的DGL数据集上训练和评估模型链路预测在很多应用中，例如社交推荐、商品推荐以及知识图谱补全中都存在链路预测，就是判断两个节点之间是不是存在一条边。本节将使用论文引用关系数据集，判断两篇论文

在离线环境下，使用anaconda创建环境的时候，需要指定Python的版本，但是无法自动下载，需要手动下载Python包，然后用conda进行安装。

自然语言处理工具包,是NLP研究领域常用的一个Python库。安装过程较为麻烦，这里记录一下。，然后移动到上面任意的一个文件夹。数据包，解压后，重命名为。

首先先配置内容如下，这里假设我的服务器ip地址为。

通过本节，将学到：从头开始用DGL构建一个Graph给Graph添加节点和边的特征获取一些图的信息，如节点的度或节点的其他属性将DGL graph 转换到另一个graph加载、保存DGL graph从头构建GraphDGL通过DGLGraph对象来创建一个有向图，我们可以直接通过指定节点，以及src节点和target节点来创建一个graph。节点的id从0开始。例如下面一段代码构建了一个有向星型图

单层感知机模型y=XW+by=∑xi∗wi+by = XW + b \\y = \sum x_i*w_i+ by=XW+by=∑xi​∗wi​+b单层感知机模型的每一个输入节点xix_ixi​和对应的权重wiw_iwi​相乘累加后，与bias相加，便得到了预测值。我们使用sigmoid函数作为激活函数，通常使用符号σ\sigmaσ表示。对于最左边的输入层的上标，也就是xn0x_n^0xn0​中的0