参加了百度这个图神经网络七日打卡学习，作为一个初学者，收获还是非常大的，之前看过一些机器学习的算法，实验室也有学长在搞图神经网络，但自己害怕学不会一直不敢接触。通过这次课程让我对图神经网络有了一个基本的认识，对基本的一些神经网络也有了基本的了解，对算法调参跑训练也有了大体的认识，虽然在算法实现方面自己代码能力还是不够，但我还是从这次课程得到了自己想要的东西。

下面是我对这次课程做的一个基本复习回顾：

图的两个基本元素：点、边
图是一种统一描述复杂事物的语言
常见的图：社交网络、推荐系统、化学分子结构...

图学习: Graph Learning。深度学习中的一个子领域，强调处理的数据对象为图。
与一般深度学习的区别：能够方便地处理不规则数据（树、图），同时也可以处理规则数据（如图像）。

我们可以把图学习的应用分为节点级别任务、边级别任务、图级别任务。 课程中介绍了以下几种任务。

节点级别任务：金融诈骗检测（典型的节点分类）、自动驾驶中的3D点云目标检测
边级别任务：推荐系统（典型的边预测）
图级别任务：气味识别（典型的图分类）

图游走类算法：通过在图上的游走，获得多个节点序列，再利用 Skip Gram 模型训练得到节点表示
图神经网络算法：端到端模型，利用消息传递机制实现。
知识图谱嵌入算法：专门用于知识图谱的相关算法。