本教程主要基于京东团队的《图深度学习从理论到实践》，密西根州立大学的汤继良老师团队《图深度学习》，斯坦福大学 CS224W 图机器学习的内容进行整合，旨在帮助读者无痛入门图深度学习 。除了介绍深度学习和图基础知识以及经典图神经网络模型的理论外，我们还基于开源的图框架 NetworkX， DGL 和 PyG 提供了直接的上手代码。
在线阅读地址：https://datawhalechina.github.io/grape-book
| 章节 | 内容 |
|---|---|
| 第一章 | 介绍 |
| 第二章 | 图理论基础 |
| 第三章 | 深度学习基础 |
| 第四章 | 图表示学习 |
| 第五章 | 图卷积网络 |
| 第六章 | 关系图卷积神经网络 |
| 第七章 | 图注意力网络 |
| ... | ... |
本书第一版包含第一到七章，涵盖了最常见的各类图神经网络理论和代码讲解。后续章节将包含图神经网络在各个领域内更加实际的应用案例。
- @小饭：项目负责人，负责第一章介绍、第二章图理论基础、第四章图表示学习、及各章节校对
- @银晗：负责第三章深度学习基础
- @洋：负责第五章图卷积网络
- @汝超：项目发起人，负责第六章关系图卷积神经网络
- @凯：负责第七章图注意力网络
- 如果你想参与到项目中来欢迎提交 Issue 申请开启一个新的章节，并在完成后进行 pull request。
- 如果你发现了一些问题，欢迎在 Issue 中进行反馈🐛。
- 如果你对本项目感兴趣想要参与进来可以联系项目负责人@小饭 进行交流💬。
如果你对 Datawhale 很感兴趣并想要发起一个新的项目，欢迎查看 Datawhale 贡献指南。
本教程得到了《图深度学习从理论到实践》作者姚博士的肯定与支持，大家可以可以在京东购买此书的纸质或电子版进行更加深入的学习！
扫描下方二维码关注公众号：Datawhale
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent