图神经网络入门：从消息传递到GCN实战

前几天有位朋友问我一个问题，我觉得很适合作为这篇入门文章的开场。他说："我已经会了卷积神经网络，但是现在手里的数据不是图片，是一张社交关系网——每个用户是一个点，用户和用户之间有'关注'和'转发'的连边。我该怎么用神经网络去学这堆数据？"

这个问题的本质，就是图神经网络（Graph Neural Network，简称GNN）要解决的事情。传统神经网络擅长处理规则排列的数据，比如图像是像素网格，文本是单词序列；可一旦数据变成不规则的图结构——节点和节点之间有着复杂的关系——常规的卷积和全连接层就会彻底失灵。GNN就是在这样的背景下出现的：它把"邻居关系"直接设计进了网络结构，让模型能够同时学习节点的自身特征和它周边的拓扑信息。

这篇文章很适合两类读者：一类是像我朋友这样已经有一些深度学习基础、但完全没接触过图数据的新手；另一类是做过一些图分析，却始终对GNN"知其然不知其所以然"的人。我会从问题本质讲起，把消息传递机制聊透，再手把手带你把GCN在经典数据集上跑起来，最后把入门阶段最容易踩的坑和选型建议一并说清楚。

1. 先别急着写代码：为什么传统神经网络在图数据上失灵

1.1 图结构和图片结构的本质差异

很多初学者第一次接触GNN时会有一个困惑：神经网络的输入不都是一个矩阵吗？图也可以表示成矩阵，为什么就不能直接把它塞进全连接层里呢？

关键在于，图像和图的"规则性"完全不同。图像是一个规则的欧几里得结构：一张 28×28 的灰度图，像素点在空间上有明确的上下左右关系，每个像素的邻居数量固定是 8 个（边界除外）。卷积神经网络之所以有效，靠的是两个先验：局部连接——每个卷积核只看一个小窗口；权重共享——同一个卷积核扫过整张图。这两个性质在规则网格上成立，所以CNN能提炼出平移不变的局部特征。

图的结构则完全相反。图是一种非欧几里得结构，一个节点有多少个邻居是不确定的，可能节点A只有一个邻居，节点B有五百个邻居。而且图没有天然的空间顺序，你把社交网络里一千个用户随便换个排列顺序，它仍然是同一张图。这意味着，你在像素网格上用的"固定尺寸卷积核+固定邻域"玩法，在图上根本没法直接套用。

可以打个比方：CNN处理图像，就像在一个城市方格的棋盘路网里巡逻，每个路口都知道东南西北四条路；而GNN要处理的数据，更像是拓扑地图里的一堆据点，每个据点通向的路径数量不一样，路径之间也没有统一的方位坐标。你要让每个据点理解自己在整个网络中的位置，就得换一种信息流通的方式。

1.2 邻接矩阵：看起来简单，用起来处处是坑

既然图可以用矩阵表达，最直觉的做法就是把邻接矩阵当成特征喂给神经网络。这个思路看似可行，实际上处处碰壁。

先看维度问题。常用的论文引用数据集Cora有 2708 个节点，邻接矩阵是 2708×2708，差不多 730 万个元素。如果图规模到百万节点，邻接矩阵就是万亿级规模，别说训练，光是存储都受不了。更要命的是，图是极度稀疏的，Cora里全部边只有 5429 条，邻接矩阵里绝大多数位置是 0，拿全连接层去处理这种稀疏矩阵，计算浪费极其严重。

再看置换不变性。图本身没有节点顺序，你把编号打乱，邻接矩阵的行列顺序就会变。同一个图可以有无数种邻接矩阵写法，但语义是一模一样的。普通的神经网络对输入顺序极度敏感，喂给它不同顺序表示同一张图的数据，它学出来的东西完全对不上。一句话：图的关键信息在"谁和谁相连"的结构里，而不是在"哪个编号在第几行"的排列里。

1.3 一个具体的业务场景：推荐系统里的用户关系

抽象的问题终究不如具体场景直观。我拿自己做过的某跨平台系统的推荐模块举例：系统里有大量用户，每个用户有一些行为特征，比如浏览了多少次内容、平均停留时长、点赞倾向等。如果我们只用用户自己的特征做推荐，就完全浪费了用户之间的关注和转发关系。

实际操作中我们发现，两个特征相似的用户，行为却可能差异很大；反而是两个经常互相转发内容的用户，兴趣重合度极高。这说明"关系"本身携带了特征矩阵里没有的信号。但问题也随之而来：关系数据是图结构，用户之间的关系数量从 0 到几千不等，而且没有天然顺序，怎么让模型把邻居的信息纳入每个用户的表示？靠普通神经网络根本做不到。

1.4 GNN的核心思路：让图结构参与计算

GNN给出的答案很直接：不要试图把图"压平"成规则结构，而是让网络的计算过程本身跟着图走。每个节点的表示，由它自己的特征和它的邻居特征共同决定；邻居的邻居也能间接影响它。这样一来，模型学到的每个节点表示，天然就包含了局部的拓扑上下文。

这套思路在论文里有一个专门的名字，叫消息传递框架（Message Passing）。它是几乎所有经典GNN模型——GCN、GraphSAGE、GAT——的共同底座。下面我就把消息传递讲透，因为只要理解了它，后面看任何GNN模型都是在看"消息怎么生成、怎么聚合、怎么更新"这三个环节的不同设计。

2. 消息传递（Message Passing）：GNN底层的那一套心法

2.1 一句话理解消息传递

如果你想用最快的方式向别人解释GNN，就说这一句话：每个节点不断向邻居打听消息，把邻居的信息和自己的信息合并，形成自己新的表示。

这个过程和图结构高度耦合，因为"邻居是谁"是由图决定的，不是由网络结构决定的。这跟CNN有本质区别：CNN的邻域是卷积核固定划出来的，跟像素内容无关；GNN的邻域来自图的连边，每个节点都有自己的"定制版感受野"。

2.2 消息传递的三步走：Transform、Aggregate、Update

形式化的消息传递每一层可以拆成三步，几乎所有GNN都是这个套路：

1. Transform（变换）：每个节点把自己的特征向量通过一个线性变换（通常就是乘权重矩阵再加偏置）变成消息。这一步的作用是让原始特征进入一个更适合交互的表示空间。

2. Aggregate（聚合）：每个节点收集所有邻居传来的消息，用某种置换不变函数——比如求和、求平均、取最大值——把它们合并成一个固定维度的向量。注意"置换不变"这个词很关键：不管邻居按什么顺序排列进来，聚合结果必须一样。这是GNN能处理任意图结构的数学基础。

3. Update（更新）：把聚合得到的"邻居信息摘要"和节点自己上一层的表示合并，再经过一次非线性激活，得到这一层的新表示。

写成一个通用公式就是这样：

h_v^(l+1) = Update( h_v^(l), Aggregate( { Transform( h_u^(l), h_v^(l) ), u ∈ N(v) } ) )

其中 h_v 是节点 v 在第 l 层的向量表示，N(v) 是 v 的邻居集合。不同GNN模型的区别，基本就集中在Transform和Aggregate函数怎么设计。

讲到这有个比喻特别管用：把节点想象成社区里的住户，每户人家一开始只知道自己的想法（初始特征）。消息传递就像组织了一场社区茶话会，每户人家去邻居家串门，听邻居说完自己的情况后，回家把所有听到的信息汇总，再结合自己的想法更新对社区的认知。第二天再开一场，信息就扩散到了两跳之外的邻居。

2.3 堆层数就是在扩大"朋友圈"半径

消息传递层的层数决定了每个节点能感知到多远的信息。1层GNN，节点只能看到直接邻居；2层GNN，节点能看到邻居的邻居（二阶邻居）；3层就能看到三阶。这和CNN里"堆卷积层扩大感受野"非常相似。

但这里有个容易忽略的细节：所谓"看到二阶邻居"，并不是直接读取二阶邻居的原始特征，而是通过中间节点转述。每一层都相当于一次信息的中继和再加工。所以层数越深，参与表示的信息范围越大，但同时也可能引入噪声，后面我会专门讲过度堆叠带来的"过平滑"问题。

2.4 为什么消息传递能解决"图没有固定顺序"的问题

刚才提到邻接矩阵最头疼的问题就是节点顺序变化会导致矩阵变化。消息传递框架是怎么绕开这个问题的？答案在于聚合函数被设计成置换不变的。

求和、求平均、取最大值都是置换不变的：你把输入集合的元素洗牌，sum的结果不变、mean的结果不变、max的结果也不变。所以无论图的节点怎么重新编号，每个节点的聚合结果在数学上完全一致。模型学到的表示因此天然具备置换不变性，不会出现"同一个图换了个节点顺序就预测结果变了"的窘境。

这一点是GNN能在图数据上工作的基石。你在阅读GNN论文时看到的所有复杂变体，剥开外壳，内核都没有离开这三步：消息、聚合、更新。

3. 从公式到直觉：GCN、GraphSAGE、GAT三个经典模型

3.1 GCN：把邻居信息做"度数加权"的累加

先看最经典的图卷积网络（GCN），它由某位学者的论文提出后，GNN领域才算真正火起来。GCN每一层的核心公式长这样：

H^(l+1) = σ( D^(-1/2) A D^(-1/2) H^(l) W^(l) )

这个公式看着吓人，拆开看其实不复杂。A是邻接矩阵（加上了自环，让节点自己也参与计算），D是度矩阵，对角线上的值D_ii表示节点i的度数，即有多少个邻居。D^(-1/2) A D^(-1/2) 就是对邻接矩阵做对称归一化。

为什么要做归一化？直接拿原始邻接矩阵去乘的话，度数高的节点会把邻居信息累加出一个很大的值，度数低的节点累加值很小，数值尺度差异会导训练不稳定。归一化之后的实质就是：每个邻居对目标节点的贡献，会根据双方度数做一个调整——连接关系少的那条边，信息传递权重反而更高。

用一个例子理解：大V用户有几千个关注者，普通用户只有几个粉丝。如果直接取平均，普通用户的消息很容易被大V的信息淹没。GCN的归一化在某种意义上是做"逆频次加权"：让每个节点传递出去的信息被合理稀释，避免了高节点的信息过度主导。

GCN的优势是简洁高效，一个隐藏层就能在Cora这类小规模数据上逼近不错的效果。但它的限制也很明显：它本质上是传导式（transductive）的，训练时需要全图的邻接矩阵参与运算；如果图是动态增长的，新增节点就没有现成的办法生成表示。

3.2 GraphSAGE：先采样邻居，再聚合

GraphSAGE（Graph Sample and Aggregation）解决的核心问题是"图太大，邻居太多，算不动"。GCN每层要遍历节点的所有邻居；社交网络里"顶流"节点可能有几百万个粉丝，全量计算根本吃不消。

GraphSAGE的做法是：每次训练时，对每个节点的邻居进行固定数量的随机采样，比如采样 10 个、 20 个，然后只拿这些采样出来的邻居做聚合。聚合方式有三种可选：Mean Aggregator就是取平均；LSTM Aggregator把邻居向量当作序列输入LSTM；Pooling Aggregator对每个邻居向量做逐维最大池化或平均池化。

因为它是采样驱动的，每次计算只依赖采样到的局部子图，所以天然支持归纳式（inductive）学习——完全没见过的节点，只要知道了它的邻居，就能生成它的表示。这一点对工业界的动态图场景非常重要。

我当时在某个跨平台系统里用GraphSAGE做新用户冷启动推荐：新用户刚注册只有少量行为，但它关注了一批老用户，GraphSAGE可以通过这些老用户的表示计算新用户向量，效果比纯靠行为特征好很多。

3.3 GAT：用注意力机制决定"该听谁的"

图注意力网络（GAT）引入了Transformer风格的注意力机制。之前的GCN把归一化系数写死，GCN的权重是由度和归一化固定算出来的，不随特征变化；而GAT让模型根据节点特征动态计算"邻居的发言权"。

具体来说，GAT在消息传递时，对每个邻居计算一个注意力系数：邻居的表示和目标节点的表示拼接后，经过一个带LeakyReLU的线性映射，再做一个softmax归一化。直观理解就是：目标节点在聚合邻居时，会对"和自己相关性更高的邻居"分配更大的权重。这个权重不是事先定好的，而是网络在训练中学会的。

多头注意力机制在GAT里也成了标配：跑多组独立的注意力头，把结果拼接或平均。这带来了类似CNN多通道的效果，让模型能从不同关系视角看待邻居，稳定性也更好。代价是计算量和参数量上去了。

3.4 三个模型的横向对比

我整理了一张表，方便你快速对比选择：

需要说明的是，"GCN依赖全图"只影响训练时的计算方式。如果图有 10 亿节点，直接算归一化邻接矩阵是灾难；但对Cora这种几千节点的数据，GCN就是最顺手的入门选择。所以我的建议很直接：想快速上手GNN，先用GCN跑通全流程；遇到规模瓶颈了再切GraphSAGE；需要精细化表达关系重要性时再上GAT。

4. 环境和数据准备：PyTorch Geometric 的安装与数据集细节

4.1 为什么选 PyTorch Geometric

目前主流的GNN框架有两个选择：PyTorch Geometric（简称PyG）和 Deep Graph Library（简称DGL）。我个人的选择是PyG，原因有三点：一是PyG完全基于PyTorch的算子风格，熟悉PyTorch的人几乎零成本上手；二是它内置了丰富的基准数据集和常用模型，入门阶段不用自己写数据加载；三是它的消息传递API设计非常直白，改模型结构很容易。

安装PyG有一条关键经验：版本必须和当前PyTorch版本匹配。如果你用的是PyTorch 2.x，直接执行pip install torch_geometric通常就能装好基础库；但有些扩展算子（比如scatter、sparse）在源码编译阶段容易报错。

这里分享一个稳妥的做法：在安装PyG之前，先确认torch版本，然后再到PyG官网匹配的安装命令中找对应命令。如果你不想折腾编译，也可以直接用预编译的wheel包，那个更省心。装了PyG之后，建议顺手装一个torch-geometric的依赖检查命令，导入时不报错就说明环境正常了。

4.2 Cora数据集：论文引用网就是入门最佳练习场

Cora是一个经典的论文引用网络数据集，常被用来做GNN的"Hello World"。这个数据集包含 2708 篇论文，每篇论文对应一个节点；论文之间的引用关系对应边，一共 5429 条。每篇论文用一个 1433 维的词袋特征向量表示，论文所属的研究方向（总共 7 类）就是要预测的标签。

Cora最方便的地方是它自带标准的数据划分：训练集 20 个节点，验证集 500 个节点，测试集 1000 个节点。注意，训练集只有20个节点，所以模型必须在"只看极少标签"的情况下利用图结构信息去泛化，这正是GNN的价值所在。Cora数据集的规模刚好适中，在普通笔记本CPU上几十秒就能完成一轮像样的训练，非常适合做入门实验。

4.3 PyG里的Data对象到底存了什么

用PyG加载Cora之后，你会得到一个Data对象，里面有四个你需要全部搞清楚的字段：

• x：节点特征矩阵，形状是 N×d，N是节点数，d是特征维度。Cora里就是 2708×1433。
• edge_index：边的索引，形状是 2×E，两行分别是边的起点和终点。它用的是COO格式，也就是"坐标列表"，只记录真实存在的边，不存稀疏矩阵里的所有0元素。这是为什么加载大图时内存开销远小于邻接矩阵的关键。
• y：节点标签，形状是 N×1。
• train_mask、val_mask、test_mask：布尔型掩码数组，标记了每个节点属于训练集、验证集还是测试集。

我第一次用PyG时在这里犯了个错：习惯性地去找data.adj这种邻接矩阵属性，结果发现根本没有。PyG的图数据默认以edge_index形式存储，而不是邻接矩阵。理解了这个设计，你后面写模型时就知道，GNN层接收的核心参数不再是矩阵乘法里的X，而是x和edge_index这一对数据。

5. 实战：用GCN在Cora上完成节点分类

5.1 完整代码，直接跑

下面的代码我整理成了一份可以直接运行的脚本，除了必要的依赖以外没有任何额外操作。建议你手动敲一遍，不要复制粘贴，敲的过程中你会更快记得edge_index是怎么通过参数传进模型层的。

import torch import torch.nn.functional as F from torch_geometric.nn import GCNConv from torch_geometric.datasets import Planetoid # 1. 加载Cora数据集 dataset = Planetoid(root='./data', name='Cora') data = dataset[0] # 2. 定义GCN模型 class GCN(torch.nn.Module): def __init__(self, in_channels, hidden_channels, out_channels): super().__init__() self.conv1 = GCNConv(in_channels, hidden_channels) self.conv2 = GCNConv(hidden_channels, out_channels) def forward(self, x, edge_index): x = self.conv1(x, edge_index) x = F.relu(x) x = F.dropout(x, training=self.training) x = self.conv2(x, edge_index) return F.log_softmax(x, dim=1) # 3. 初始化模型和优化器 model = GCN(dataset.num_features, 16, dataset.num_classes) optimizer = torch.optim.Adam(model.parameters(), lr=0.01, weight_decay=5e-4) criterion = torch.nn.CrossEntropyLoss() # 4. 训练一轮的函数 def train(): model.train() optimizer.zero_grad() out = model(data.x, data.edge_index) loss = criterion(out[data.train_mask], data.y[data.train_mask]) loss.backward() optimizer.step() return loss.item() # 5. 评估函数 @torch.no_grad() def test(): model.eval() out = model(data.x, data.edge_index) pred = out.argmax(dim=1) accs = [] for mask in [data.train_mask, data.val_mask, data.test_mask]: acc = (pred[mask] == data.y[mask]).float().mean() accs.append(acc.item()) return accs # 6. 训练200个epoch for epoch in range(200): loss = train() train_acc, val_acc, test_acc = test() if epoch % 10 == 0: print(f'Epoch {epoch:03d} | Loss {loss:.4f} | ' f'Train Acc {train_acc:.4f} | Val Acc {val_acc:.4f} | ' f'Test Acc {test_acc:.4f}')

正常情况下跑到最后几十轮，测试准确率会在 0.80 到 0.82 之间。在只有20个标注节点的情况下拿到这个成绩，靠的完全是图结构信息在发挥威力。

5.2 代码里最值得琢磨的几个地方

仔细看模型定义，你会发现整个forward里没有出现任何显式的"邻接矩阵乘法"。这个操作被完全封装进了GCNConv内部。每个GCNConv做的事情就是：把传入的x做线性变换，然后根据edge_index把邻居变换后的特征加权聚合到目标节点上。你不需要手动维护消息传递逻辑，但要知道它底层干的就是这个事。

关于损失计算，代码里用了CrossEntropyLoss，而模型的输出是log_softmax的结果。理论上CrossEntropyLoss和log_softmax搭配会出现重复计算，但PyTorch的CrossEntropyLoss接受任意数值输入，内部会自行完成softmax和损失计算，所以log_softmax在这里主要是为了评估时能够直接用argmax取概率最大的类别，不影响训练。

还有一个细节是weight_decay=5e-4。这个L2正则项对GNN训练非常重要，因为它能抑制模型对邻居信息的过度拟合。我第一次跑Cora时把这个参数去掉，测试准确率直接掉了两个点，可见正则项在标签极稀疏的场景里有多关键。

5.3 训练集准确率波动大怎么办

如果你运行代码，很可能会看到Train Acc的数值在频繁波动，这是正常现象。Cora的训练掩码只有20个节点，相当于用20个样本训练整个图模型，某一两个样本预测错误就会让训练准确率剧烈跳动。判断模型好坏的主要依据是验证集和测试集准确率，不要被训练集的波动扰乱心态。

还有一个关键经验：如果测试准确率一直卡在 0.5 以下上不去，先检查data.y的类型。PyG加载的数据标签默认是长整型，如果你手动构造数据时把它转成了浮点型，交叉熵损失函数会直接报错或计算出完全没意义的结果。这是入门阶段最常遇到的隐性错误。

6. 入门者最容易踩的坑与选型经验

6.1 坑一：把传导式预测当成归纳式使用

初学者跑通Cora之后，容易产生一种错觉：训练好了的模型可以拿到任何新数据上直接预测。这在GCN场景下是错的。GCN属于传导式学习，训练时全图的节点都属于同一个固定图，测试节点的特征和图结构在训练阶段就已经参与过归一化计算了。它确实能对新节点给出输出，但这个输出依赖的是它已经见过的"整张图的邻居结构"。

如果业务场景是"新用户不断加入、新论文不断出现"，用GCN就要谨慎。更合理的做法是换GraphSAGE这类归纳式模型，它不依赖全图结构，只依赖采样到的局部邻域，天然适配动态图。选模型之前先想明白一件事：你的图是静态的还是动态的？这个问题直接决定模型的归纳能力要求。

6.2 坑二：特征没有归一化就开训

图数据里的节点特征来源五花八门：有的是词袋计数，有的是用户行为统计，有的是传感器数值。不同维度之间的尺度差异如果很大，消息传递的聚合结果会被大数值特征主导。很多入门项目效果不好，第一嫌疑就是特征没做归一化。

建议拿到数据集第一件事就是检查各维特征的数值范围。如果差异明显，先做标准化或归一化再进行训练。对Cora这种词袋特征，可以先对每篇论文的向量做L2归一化。这一点虽然简单，但对训练稳定性的提升立竿见影。

6.3 坑三：盲目加深网络，遭遇过平滑

很多从CNN转过来的人，习惯性把网络叠到十几层，却发现GNN层数越深效果反而越差。这不是你的调参问题，而是GNN特有的"过平滑"现象：随着消息传递层数增加，每个节点不断聚合邻居信息，节点的表示会逐渐趋同，最终所有节点变得难以区分。

经验法则是，中小规模图的数据集，2到3层GNN通常就够用了。Cora上两层GCN已经能到80%以上的准确率，硬加到5层反而会掉到70%左右。如果你的任务确实需要很广的信息传播范围，优先考虑跳连（skip connection）等残差机制，而不是单纯增加层数。

6.4 坑四：数据划分时发生信息泄露

在图数据上做划分，跟普通表格数据最大的不同是：节点之间有边相连，如果训练集和测试集的节点直接挨着，测试信息就会通过消息传递悄悄流进训练过程。Cora官方划分已经考虑过这个问题，但你自己构造数据集时一定要想清楚。

举个例子，我之前用某跨平台系统的用户关系图做节点分类，随手按随机比例切分。后来复盘发现，测试集里很多用户和训练集用户直接相连，模型其实是在靠"朋友的标签"做预测，模型上线后效果立刻缩水。解决思路有两种：一是按连通分量划分，让训练和测试尽量分属不同连通区域；二是使用GraphSAGE这类采样式模型，在采样阶段就隔离未知节点。

6.5 选型决策：一个小决策树

最后把选型思路压缩成一个简单的判断流程：图规模小、场景静态、先要一个能跑通的基线，选GCN。图规模大、有新增节点需求，选GraphSAGE。关系复杂、节点特征重要程度差异明显，比如不同邻居对目标节点的语义贡献完全不一样，选GAT。如果你的图本身是同构图且节点类型单一，GCN的性价比最高；如果涉及不同类型节点和关系的异构图，那么可以考虑后续进阶学习GAT或者专门的异构图模型。

我在实际做项目时，还有一个体会想分享：不要一开始就追求复杂模型。先用GCN跑通流程，把特征归一化、数据划分、评估逻辑这些基础环节做扎实，再根据业务瓶颈去升级模型。很多项目最后发现瓶颈根本不是模型能力，而是数据质量或特征工程没做好。GNN的入门核心在于理解消息传递这套思想，模型结构只是思想的不同实现方式。把这一点想明白，你再去读那些花哨的GNN论文，就会发现它们真的只是在"消息怎么生成、怎么聚合"上做文章而已。