图1：来自(Bruna等人ICLR，2014)的图描绘了3D領域内的MNIST图像。虽然卷积网络很难对球面数据进行分类但是图网络可以很自然地处理它。可以把它当做是一个处理工具但在实际应用程序中会出现许多类似的任务。

首先让我们简单回顾一下什么是图？图 G 是由有向或无向边连接的一组节点(顶点)节点和边通常昰由专家依据知识经验或是对问题的直觉进行设置的。因此它可以是分子中的原子，社交网络中的用户交通系统中的城市，团队运动Φ的运动员大脑中的神经元，动态物理系统中的交互对象图像中的像素、图像边界框或是图像分割掩模。

换句话说在很多情况下，實际上是由你来决定图的节点和边

这是一种很灵活的数据结构，它囊括了很多其他的数据结构例如，如果没有边那么它就会变成一個集合；如果只有“垂直”边，其中任意两个节点都相连那么我们就有了一个数据树。当然正如我们接下来将要讨论的这种灵活性有利也有弊。

图2：两个分别有5和6个节点的无向图节点的顺序是任意的。

声明：本文版权归原作者所有，文章收集于网络为传播信息而发，如有侵权请联系小编及时处理，谢谢！