深入浅出图神经网络：GNN原理解析

四星吧。前面几章都是基础概念，多数书中都有的那种。中间几章结合了对信号处理与图结合起来的理解，很有新意。最后几章是实战。 总体还行，还是有收获的，谢谢作者。后面我写篇知乎专栏，总结下这本书的观后感和一些重要概念。知乎专栏《诗品算法》欢迎关注。

卒读于二零二五零九零七 杭州•皋庭

深入浅出，非常适合我这种会一点的人。😃

如果作者想借用“深入浅出MFC”的话，那么这本书的质量完全没有达到要求。数学功底不足导致太多细节处理的不好，通篇存在大量用词不当、表达不严谨等一系列问题，还是建议读综述论文。

多模态大模型的发展推动图神经网络的发展，GNN是继CNN、RNN之后又一重要发展方向。

关于GNN的第一本书，之前就有关注，没想到微信读书能看到。 虽然书中有部分细节的错误，但总体对于理解GNN的基础还是OK的。关于GCN的原理算是从一个新的角度来解释，这个和原作者在论文中也是从图拉普拉斯和傅里叶变换来推导的。。不过，要是只是使用GCN和傻瓜式理解可以从简单的角度去看（LXW,聚合领域特征.....） 总的来说书中最有价值的还是那几个实战代码。还有后面几个框架。

时代发展很快，但书里确实介绍了几篇核心的奠基之作

还行，就是例子少，现在pytorch geometric已经实现了许多gnn论文的基础模型，值得图迷强势围观

极验AI&图项目团队倾力之作！从原理、算法、实现、应用4个维度详细讲解图神经网络，理论与实践相结合。白翔、俞栋等学术界和企业界领军人物强烈推荐。

"GNN全名图神经网络，图神经网络并不是图与机器学习的第一次结合，深度学习时代，图计算与神经网络天然地结合到了一起，为人工智能的发展注入了新的动力，在学术界和企业界都有着极其广阔的发展前景。 作者从理论与实践的双重维度对GNN进行了全面讲解，深入浅出。同时，书中还提供了实践案例和关键部分的PyTorch源码，方便读者动手实战，全方位地帮助读者掌握图神经网络的知识和技能。 本书是作者在图神经网络领域的耕耘成果和经验积累，也是读者全面而系统地学习GNN技术的一个窗口。这本书从图的基本知识讲起，重点介绍了GCN模型的原因，特别是讲清楚了怎样在非欧几里得数据上进行卷积操作，最后介绍了图神经网络的最新发展。读完应该就能对图神经网络有比较全面的了解了。"