这段时间准备尝试做一些Graph Neural Network方面的实验，在GitHub上看了一下，发现有些朋友使用的是DGL这个库。我之前对这个库不太了解，瞅了一下，发现还挺方便的。DGL是上海纽约大学发起的，以中国人为主导的开源项目。感谢他们做的贡献。

在这里列出了很多Graph Neural Network的例子：https://github.com/dmlc/dgl/tree/master/examples

由于我比较关心的是graph classification这个task，所以搜了一下，发现也有不少实现，其中比较有代表性的包括：

GCN：

Kipf and Welling. Semi-Supervised Classification with Graph Convolutional Networks. Paper link.

• Example code: PyTorch, PyTorch on ogbn-arxiv, PyTorch on ogbl-ppa, PyTorch on ogbg-ppa, TensorFlow, MXNet
• Tags: node classification, link prediction, graph classification, OGB

GGNN：

Li et al. Gated Graph Sequence Neural Networks. Paper link.

• Example code: PyTorch
• Tags: question answering

以及GIN：

Xu et al. How Powerful are Graph Neural Networks? Paper link.

• Example code: PyTorch on graph classification, PyTorch on node classification, PyTorch on ogbg-ppa, MXNet
• Tags: graph classification, node classification, OGB

按照上面这些链接，对应的graph classification的例子代码分别是：

GCN：https://github.com/awslabs/dgl-lifesci/tree/master/examples/property_prediction/ogbg_ppa

GGNN：https://github.com/dmlc/dgl/tree/master/examples/pytorch/ggnn

GIN：https://github.com/dmlc/dgl/tree/master/examples/pytorch/gin

说实话，个人觉得，如果不是专门搞Deep Learning和Graph Neural Network的，其实在论文里evaluate一下这些典型的模型就可以了。也可以看到，像GCN的例子并不是在DGL中，而是Amazon AWS的lab的项目，这个也很好理解啊，估计和
Yann LeCun有点关系，因为他是纽约大学的。

就简单总结这么多，希望能对一些仅仅想使用Graph Neural Network的盆友有点帮助。

---------------------

2021年5月31日更新：

试了一下，发现其实例子也并不好用，于是还是参考GIN和这里：https://docs.dgl.ai/tutorials/blitz/5_graph_classification.html

再参考了一下GCN和GAT的实现代码：https://github.com/dmlc/dgl/blob/master/examples/pytorch/gcn/gcn.py

https://github.com/dmlc/dgl/blob/master/examples/pytorch/gat/gat.py

然后自己魔改好了。由于有很多和项目相关的代码，就不放上来了。