如何理解 Graph Convolutional Network（GCN）？
https://www.zhihu.com/question/54504471
推薦初學者可以先從知乎的這個問題出發，點贊最多的《從CNN到GCN的聯繫與區別——GCN從入門到精（fang）通（qi）》
該篇文章非常詳細且能夠幫助初學者理解的講述了GCN的大部分理論過程。再補充以後面幾人回答的知識，便可以說對GCN有了基本
的理論支撐了。
主要論文：SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS
https://arxiv.org/pdf/1609.02907.pdf
Graph Convolutional Networks
https://tkipf.github.io/graph-convolutional-networks/
下面大多文章都是對該文的一個翻譯加自己理解內容。
上篇英文版的中文版：深度學習新星 | 圖卷積神經網絡（GCN）有多強大？ 非常有助於理解 推薦閱讀
https://www.sohu.com/a/234894712_741733
本文 GCN 項目倉庫：https://github.com/tkipf/gcn
圖卷積網絡（Graph Convolutional Network）
https://blog.csdn.net/chensi1995/article/details/77232019
該篇文章主要介紹圖卷積網絡的卷及方式的理論推導過程
卷積神經網絡不能處理“圖”結構數據？這篇文章告訴你答案
https://www.leiphone.com/news/201706/ppA1Hr0M0fLqm7OP.html
該篇wen章比較淺顯的介紹瞭如何處理圖結構的卷積神經網絡，可幫助理解
譜聚類（spectral clustering）原理總結
https://www.cnblogs.com/pinard/p/6221564.html
推薦看看，關於圖處理和運算的理解很有幫助，還有拉普拉斯矩陣
Googlenet： TensorFlow實戰：Chapter-5（CNN-3-經典卷積神經網絡（GoogleNet）)
https://blog.csdn.net/u011974639/article/details/76460849#inception-v2
淺析圖卷積神經網絡 淺析有助於理解
https://mp.weixin.qq.com/s/356WvVn1Tz0axsKd8LJW4Q
《Graph Learning》專欄大綱
第一章 圖及其應用場景
第二章 圖的傳播算法
第三章 社羣檢測以及高密子圖
第四章 異構信息網絡
第五章 圖表示學習
第六章 圖卷積神經網絡
學界 | 港中文AAAI錄用論文詳解：ST-GCN時空圖卷積網絡模型
http://www.zuixu.com/dz/a/7080.html
最後可以看看 這篇文章 ST-GCN，也是論文翻譯成果，英文很棒的可以直接看下面的文章
文章鏈接：
https://arxiv.org/abs/1801.07455
Github 代碼：
https://github.com/yysijie/st-gcn
版權聲明：本文爲CSDN博主「ticktick3」的原創文章，遵循CC 4.0 by-sa版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/u011537121/article/details/81542991