神经网络在过去的十年里取得了巨大的成功，然而早期的神经网络变体只能使用规则结构的数据或欧几里得数据(Euclideandata)来实现，而现实世界中的大量数据具有底层的非欧几里得(Non-Euclidean)图结构(Graphstructures)。图神经网络(GraphNeuralNetworks)的出现解决了图数据结构的不规则性(Non-Regularity)问题，而图卷积网络(GCN)就是最基本的图神经网络变体之一。在这篇文章中我们将由浅入深的介绍GCN的实现原理。图-Graph由于图(Graph)的独特功能可以捕获数据之间的结构关系，它被广泛应用于各种领域，从社交网络分析，生物信息学到