可视化资源

图神经网络（GNN）

图神经网络的核心运算是”消息传递”：每一层中，每个节点从其邻居收集特征，聚合后更新自己的表示。多层堆叠相当于不断扩大感受野。

消息传递的图示

GNN 消息传递示意 — 邻居节点的特征经过聚合（求和 / 平均 / 最大）后，与中心节点自身特征一起更新。点开原文可拖动节点，逐步查看消息如何在图上扩散。

看什么

节点 / 边 / 全局三种特征如何各自更新、相互交换
同一张图的不同任务（节点分类、边预测、图分类）如何复用同一份骨干
为什么 GNN 在分子、社交网络、推荐系统上自然适配

交互式资源

A Gentle Introduction to GNNs ↗

distill.pub 互动文章，含可拖动节点查看消息传递的多个示例。

Understanding Convolutions on Graphs ↗

姊妹篇：从谱方法到 GCN，再到注意力 / 消息传递的统一视角。

PyTorch Geometric ↗

主流 GNN 框架，文档自带大量可运行示例。