深度学习是近几年人工智能领域的核心技术，随着它的不断深入发展，才有了人工智能今天的崛起和落地应用。谈到深度学习，就不得不提图神经网络（GNN），毕竟图神经网络正是深度学习技术的根本和基础。下面将用三分钟带你解读图神经网络，主要内容包括图神经网络的定义、兴起和用途，赶紧来一起看看吧。
1、图神经网络的定义
GNN全名图神经网络，这里的G是是图（Graph）的意思，GNN之所以重要，是因为图很重要。图是计算机科学里的一种非常重要的数据结构，计算机科学有一门必修的基础课叫“离散数学”，听名字像是某一条数学分支，不过究竟“离散数学”的边界在哪里，现在还没有一个统一的定论。但有一个知识点，所有版本的《离散数学》教材都不会错过，那就是“图论”，讨论一种叫“图”的数据结构。而GNN里的“图”，正是指图论的“图”。
那么究竟什么是“图”？就两样，顶点（Vertex）和边（Edge）。所谓的顶点，就是网络拓扑图里面的节点，譬如网络拓扑图里的PC机、服务器和路由器等等，而所谓的边，就是连接这些网络节点的线。所以图的应用非常广，网络拓扑图就是一种非常典型的图结构。
2、图神经网络的兴起
图神经网络的出现实质上是一门新技术的兴起，那为什么要推出这款新技术呢？推出一款新技术，潜台词就是说原有技术存在不足，下面我们可以看看CNN和RNN存在的不足。说白了就是数据结构，模型是要喂数据的，这我们都知道。但现有的深度学习模型，无论是CNN，还是RNN，或者叫其他什么的，都对数据的数据结构有一个要求，必须都是欧几里得结构。长得方方正正的就是欧几里得结构，军训的阅兵方阵，横向纵向都是一个人紧挨着一个人，这就是典型的欧几里得结构。而图是非欧几里得结构，所以没有办法用传统的深度模型处理的。因此，研究人员开发了图神经网络。
3、图神经网络的用途
近几年，深度学习带来了人脸识别、语音助手以及机器翻译的成功应用。这三类场景的背后分别代表了三类数据：图像、语音和文本。深度学习在这三类场景中取得突破的关键是它背后的端对端学习机制。另外，业界认为大规模图神经网络是认知智能计算强有力的推理方法。图神经网络将深度神经网络从处理传统非结构化数据推广到更高层次的结构化数据。不仅如此，图还具有很强的语义可视化能力，这种优势被所有的 GNN 模型所共享。比如在异常交易账户识别的场景中，GNN 在将某个账户判断为异常账户之后，可以将该账户的局部子图可视化出来。
总体来说，近些年来，图神经网络的兴起与用途成功推动了人工智能在模式识别和数据挖掘的研究。
本文由培训无忧网千锋教育专属课程顾问整理发布，更多人工智能课程信息欢迎关注培训无忧网人工智能培训频道或添加老师微信：15033336050
注：尊重原创文章,转载请注明出处和链接 https://www.pxwy.cn/news-id-13566.html 违者必究！部分文章来源于网络由培训无忧网编辑部人员整理发布,内容真实性请自行核实或联系我们，了解更多相关资讯请关注人工智能频道查看更多，了解相关专业课程信息您可在线咨询也可免费申请试课。关注官方微信了解更多：150 3333 6050
