打造立體化監控體系的最佳實踐——分散式調用跟蹤和監控時間
更多深度文章，請關注雲計算頻道：
https://yq.aliyun.com/cloud
基於圖卷積網路的圖深度學習先簡單回顧一下，深度學習到底幹成功了哪些事情！
深度學習近些年在語音辨識，圖片識別，自然語音處理等領域可謂是屢建奇功。ImageNet：是一個電腦視覺系統識別專案， 是目前世界上圖像識別最大的資料庫，並且被業界熟知。
我們先回顧一下，
傳統深度學習的方法，實際上就是一種手工設計特徵的過程。而且，在準確率上沒有保障。而真正的深度學習，端到端的學習，其中的過程到底發生了什麼，設計者什麼也不知道，自然也不會人為的去干涉。
如果資料不能網格化，那麼CNNs就失去了作用。所以，CNNs在一定程度上還是有很多缺陷的。例如圖結構資料，如何處理？在現實世界中這樣的例子很多很多：社交網路（著名的六度理論），萬維網，知識圖，等等這些都是圖結構，
下面是一個簡單的解決圖結構資料的方法。
這個方法到底會出現什麼樣的問題呢？為了解決問題，我們需要什麼呢？
先簡單介紹一下第一階消息傳遞的GCNs，這個理論在2009年就已經被提出來了。
接下來，我們瞭解一下GCN模型架構！
GCN模型架構到底能幹什麼呢？先舉個小栗子。
GCN模型與大名鼎鼎魏勒雷曼演算法的關係到底是什麼樣的呢？
圖的半監督分類也是一種不錯的方法。
半監督分類嵌入方法——兩步管道，這個方法也有一些問題，但我想這是可以解決的。
舉個小栗子，視頻連結是一個關於半監督學習的小例子，有興趣的朋友可以去看一下。
視頻：
http://tkipf.github.io/graph-convolutional-networks/
此外，還有關於引文網路的分類，也可以 通過這個方法實現。
下面2-layerGCN模型的實驗結果
還要一些這個方法最近應用到其他程式的案例。
用這個方法關於圖auto-encoders連結的預測。下面是auto-encoders的介紹
Autoencoders
進一步的閱讀
Blog post Graph Convolutional Networks:
http://tkipf.github.io/graph-convolutional-networks
Code on Github:
http://github.com/tkipf/gcn
Kipf & Welling, Semi-Supervised Classification with Graph Convolutional Networks, ICLR 2017:
https://arxiv.org/abs/1609.02907
Kipf & Welling, Variational Graph Auto-Encoders, NIPS BDL Workshop, 2016: https://arxiv.org/abs/1611.07308
作者：Thomas Kipf
本文由北郵@愛可哥-愛生活推薦，阿裡云云棲社區翻譯。
文章原標題《Deep Learning on Graphs with Graph Convolutional Networks》，作者：Thomas Kipf，譯者：袁虎，審閱：我是主題曲哥哥，附件為原文的pdf。
文章為簡譯，更為詳細的內容，請查看原文
接下來，我們瞭解一下GCN模型架構！
GCN模型架構到底能幹什麼呢？先舉個小栗子。
GCN模型與大名鼎鼎魏勒雷曼演算法的關係到底是什麼樣的呢？
圖的半監督分類也是一種不錯的方法。
半監督分類嵌入方法——兩步管道，這個方法也有一些問題，但我想這是可以解決的。
舉個小栗子，視頻連結是一個關於半監督學習的小例子，有興趣的朋友可以去看一下。
視頻：
http://tkipf.github.io/graph-convolutional-networks/
此外，還有關於引文網路的分類，也可以 通過這個方法實現。
下面2-layerGCN模型的實驗結果
還要一些這個方法最近應用到其他程式的案例。
用這個方法關於圖auto-encoders連結的預測。下面是auto-encoders的介紹
Autoencoders
進一步的閱讀
Blog post Graph Convolutional Networks:
http://tkipf.github.io/graph-convolutional-networks
Code on Github:
http://github.com/tkipf/gcn
Kipf & Welling, Semi-Supervised Classification with Graph Convolutional Networks, ICLR 2017:
https://arxiv.org/abs/1609.02907
Kipf & Welling, Variational Graph Auto-Encoders, NIPS BDL Workshop, 2016: https://arxiv.org/abs/1611.07308
作者：Thomas Kipf
本文由北郵@愛可哥-愛生活推薦，阿裡云云棲社區翻譯。
文章原標題《Deep Learning on Graphs with Graph Convolutional Networks》，作者：Thomas Kipf，譯者：袁虎，審閱：我是主題曲哥哥，附件為原文的pdf。
文章為簡譯，更為詳細的內容，請查看原文