0 BackGround
GNN：图神经网络，由于传统的CNN网络无法表示顶点和边这种关系型数据，便出现了图神经网络解决这种图数据的表示问题，这属于CNN往图方向的应用扩展。
GCN：图卷积神经网络，GNN在训练过程中，有将attention引入图结构的，有将门控机制引入图结构的，还有将卷积引入图结构的，引入卷积的GNN就是GCN，通过提取空间特征来进行学习。
为什么要开图神经网络 (GNN) 的新坑? 组合优化中有一种问题叫路由问题 (routing problem), 代表是旅行商人问题 (Travelling Salesman Problem). 而这类问题, 本身的数据结构就是图 (Graph) 结构, 在构建和求解上, GNN似乎具有天然的优势. 当下GNN大火, 有两个库是最热门的: Deep Graph Library (DGL) 和 PyTorch Geometric (PyG). 这两个库都很好用, 差别也不特别大 (DGL官网是有中文教程的). 但是PyG相对来说更基础一些, 教程与支持也更多一些.
PyG全称是Pytorch Geometric，它是一个基于Pytorch构建的库，可以帮助用户快速构建和训练自己的图神经网络模型。PyG中实现了很多先进（state of the art）的GNN模块，例如GCN、GraphSage、GAT、SGC、GIN等等。此外，PyG中还包含了大量的benchmark图数据集、丰富的图数据操作方法、支持多GPU。
注：提示一下，一定要按此教程一步一步走，千万不能直接pip install，因为pytorch_geometric库有很多依赖，必须逐步安装，否则会产生各种各样的错误。
1. 进入github
https://github.com/pyg-team/pytorch_geometric
2. 找到Pip Wheels, 进入依赖安装位置
3. 找到对应的版本
大家不要盲目的和我选择一样的版本号，每个人的版本是不一样的，torch的版本可以进入虚拟环境后使用pip list来查看：
conda activate envs # envs是虚拟环境的名字
pip list
找到自己本地对应的版本后进入相应版本的依赖。
4. 依次安装依赖（一共4个）
先查看自己本地的python版本（已回会用到）（我的是3.8）：
python -V 或者 输入 python --version
第一个依赖是torch_cluster，找到相应版本，cp就是python的版本（3.7~3.10），我的版本是cuda11.6,python3.8,win64，点击后自动下载，自行指定下载路径（下载到哪里都行，只要自己能找到就好）。
进入虚拟环境的终端，使用pip install + 保存的路径进行安装👇
以下三个依赖同理，有几个装几个，方法和第一个完全一样：
5. 安装torch-geometric
pip install torch-geometric
6. 验证安装是否成功
import torch-geometric
或者终端输入👇
python -c "import torch_geometric"
没有报错的话说明我们已经成功安装了pytorch_geometric库。
