什么是 GNN？用最简单的代码带你入门图神经网络！

💡 GNN 是什么？一篇文章带你入门图神经网络！

🌟 1. 什么是 GNN（图神经网络）？

GNN（Graph Neural Network） 是一种专门处理"图数据"的深度学习方法。

什么是"图"数据？ 🤔

• 社交网络 👥（微信、微博好友推荐）
• 电商推荐 🛒（淘宝"猜你喜欢"）
• 知识图谱 📚（Google 搜索、ChatGPT 背后的逻辑）
• 反欺诈检测 🔍（信用卡诈骗、金融风控）
• 生物信息学 🧬（蛋白质结构预测）

📌 GNN 的目标 ：
传统神经网络只能处理表格、文本、图片，而 GNN 能学习"节点之间的关系"。

💡 一句话理解 GNN：

"你是谁，取决于你的邻居"

GNN 通过 "信息传递"，让每个节点不仅学习自己的特征，还能学习"邻居节点"的特征，最终实现分类、推荐、预测等任务。

---

🌟 2. 用代码带你训练一个 GNN（GCN）

💡 我们用 PyTorch Geometric 训练 GCN（图卷积网络），看看 GNN 是怎么学习的！ 🚀

✅ (1) 安装 PyTorch Geometric

如果你还没安装 PyG，可以运行：

pip install torch torchvision torchaudio
pip install torch-geometric

---

✅ (2) 载入 Cora 论文引用数据集

from torch_geometric.datasets import Planetoid

dataset = Planetoid(root='data', name='Cora')
data = dataset[0]  # 只有一个图
print(f"节点数: {data.num_nodes}, 边数: {data.num_edges}")

📌 解释：

• Cora 数据集 是一个论文引用网络，论文是节点（Nodes） ，论文之间的引用是边（Edges）。
• 目标：根据论文内容，预测论文属于哪个学科（7 类）。

📊 数据统计

节点数: 2708
边数: 10556
特征维度: 1433
类别数: 7

---

✅ (3) 定义 GNN（GCN）

import torch
import torch.nn.functional as F
from torch_geometric.nn import GCNConv

class GCN(torch.nn.Module):
    def __init__(self):
        super(GCN, self).__init__()
        self.conv1 = GCNConv(dataset.num_node_features, 16)  # 第一层 GCN
        self.conv2 = GCNConv(16, dataset.num_classes)  # 输出 7 类

    def forward(self, data):
        x, edge_index = data.x, data.edge_index
        x = self.conv1(x, edge_index)
        x = F.relu(x)  # 激活函数
        x = self.conv2(x, edge_index)
        return F.log_softmax(x, dim=1)  # 输出分类概率

📌 代码解析：

• 第一层 GCN：将论文的 1433 维特征降维到 16 维。
• ReLU 激活：让 GCN 学习更复杂的关系。
• 第二层 GCN：输出 7 维分类得分（对应 7 个研究领域）。

---

✅ (4) 训练 GCN

model = GCN()
optimizer = torch.optim.Adam(model.parameters(), lr=0.01, weight_decay=5e-4)

def train():
    model.train()
    optimizer.zero_grad()
    out = model(data)
    loss = F.nll_loss(out[data.train_mask], data.y[data.train_mask])
    loss.backward()
    optimizer.step()
    return loss.item()

for epoch in range(200):
    loss = train()
    if epoch % 20 == 0:
        print(f"Epoch {epoch}, Loss: {loss:.4f}")

📌 训练过程：

1. 前向传播：计算论文的分类得分。
2. 计算损失：交叉熵（NLL Loss）。
3. 反向传播：更新模型参数。
4. 循环训练 200 轮（每 20 轮输出一次损失）。

---

✅ (5) 测试 GCN

def test():
    model.eval()
    out = model(data)
    pred = out.argmax(dim=1)  # 取最大类别
    correct = (pred[data.test_mask] == data.y[data.test_mask]).sum()
    acc = correct / data.test_mask.sum()
    print(f"测试集准确率: {acc:.4f}")

test()

• model.eval() 👉 进入测试模式
• argmax(dim=1) 👉 选取最大得分的类别
• 最终测试集准确率约 80% 🎯

---

🌟 3. 训练 200 次 vs. 600 次，为什么提升不大？

你可能会好奇，为什么训练 200 轮后，增加到 600 轮，模型准确率提升很小？

📌 原因：

1. 过早收敛（Early Convergence）

   • GCN 主要依赖 邻居信息传播，通常 100~200 轮就能收敛，继续训练效果不会大幅提升。

2. 过拟合（Overfitting）

   • 训练 200 轮后，模型已经很好地学习到了数据模式，继续训练可能只是在记忆训练数据，而不能更好地泛化到测试集。

📌 解决方案

• 观察训练曲线（如果 loss 变化不大，说明已经收敛）
• 尝试 Dropout（减少过拟合）
• 改变 GCN 结构（增加层数、更深的图传播）

---

🌟 4. 完整代码

import torch
import torch.nn.functional as F
from torch_geometric.datasets import Planetoid  # 经典的GNN数据集
from torch_geometric.nn import GCNConv  # GCN（图卷积网络）层

# 载入 Cora 数据集（包含论文引用网络）
dataset = Planetoid(root='data', name='Cora')

# 获取数据
data = dataset[0]  # 只有一个图
print(f"节点数: {data.num_nodes}, 边数: {data.num_edges}")
print(f"特征维度: {data.num_node_features}, 类别数: {dataset.num_classes}")
class GCN(torch.nn.Module):
    def __init__(self):
        super(GCN, self).__init__()
        self.conv1 = GCNConv(dataset.num_node_features, 16)  # 第一层 GCN
        self.conv2 = GCNConv(16, dataset.num_classes)  # 第二层 GCN 输出类别

    def forward(self, data):
        x, edge_index = data.x, data.edge_index  # 获取节点特征 & 边信息
        x = self.conv1(x, edge_index)
        x = F.relu(x)  # ReLU 激活
        x = self.conv2(x, edge_index)
        return F.log_softmax(x, dim=1)  # 归一化得分

# 创建 GCN 模型
model = GCN()
print(model)
optimizer = torch.optim.Adam(model.parameters(), lr=0.01, weight_decay=5e-4)

def train():
    model.train()
    optimizer.zero_grad()  # 清空梯度
    out = model(data)  # 前向传播
    loss = F.nll_loss(out[data.train_mask], data.y[data.train_mask])  # 计算损失
    loss.backward()  # 反向传播
    optimizer.step()  # 更新参数
    return loss.item()

for epoch in range(600):
    loss = train()
    if epoch % 20 == 0:
        print(f"Epoch {epoch}, Loss: {loss:.4f}")

def test():
    model.eval()
    out = model(data)
    pred = out.argmax(dim=1)  # 取最大类别
    correct = (pred[data.test_mask] == data.y[data.test_mask]).sum()
    acc = correct / data.test_mask.sum()
    print(f"测试集准确率: {acc:.4f}")

test()

🌟 5. 结论

✅ GNN 适用于图数据（社交网络、知识图谱、推荐系统）。

✅ GCN 通过"邻居特征传播"实现节点分类任务，在 Cora 论文网络上达到了 80%+ 的准确率。

✅ 训练 200 轮 vs. 600 轮，提升不明显的原因是 GCN 收敛较快，继续训练可能导致过拟合。

🔥 现在你已经掌握了 GNN 的基本原理！你可以尝试：

• 训练更复杂的 GNN（如 GAT、GraphSAGE）。
• 用 GNN 处理真实世界的数据（社交推荐、金融风控）。
• 结合 AI 搜索，让 GNN + LLM 提供更精准的智能问答！