1、  基线程序跑了一下，基本能够到0.68左右的精度，有人能够用基线跑出前三的成绩，挺挺佩服他的调参能力

2、  GCN和GAT两个模型都试了一下，结果差不多，都会出现梯度消失的问题

3、  修改GAT网络模型，引入残差网络，可以很好解决梯度消失问题

4、  不用每次训练都从头开始，这样太耗时，可以将exe.run(startup_program)代码注释掉，这样就可以在之前的结果后面继续训练

5、  调好的程序有时候会报错，主要是GPU内存不够的原因，可以重启代码执行器或者重启NOTOBOOK解决

6、  PGL功能很强大，作为开发者来说不必重新造轮子，大大方便了图神经网络的应用开发 。感谢百度开发团队的开源精神，奉上PGL在GITHUB上的地址

https://github.com/PaddlePaddle/PGL ，喜欢的话就为其点个STAR吧