1 Motivation
在图神经网络中，如何像在欧式空间一样进行卷积操作，其重要的问题在于如何更新当前位置的信息。
其每个位置（或者叫节点node）的更新方式如下所示。
这一个式子既可以表达GCN，也可以表达Edge Conv。
2 函数分析
2.1 初始化
初始化默认有：
- 聚合方式aggr，默认是add，即上图中的【圆圈+】
- 数据流向flow，默认是source to target，是从邻居到中心（问：target to source是从中心到邻居吗）
- node_dim定义了沿着哪一维进行传播
2.2 propagate
必须输入edge_index
2.3 message
即上图中的fai函数
x_i表示中心节点central nodes，x_j表示邻居节点neignbouring nodes
2.4 update
即上图的gamma函数
3 GCN实例
3.1 分析
- 这个算子没有gamma函数的步骤，因此不需要update
- 在加和处有∪{i}，因此需要增加自环self loop
