GCN（Graph Convolutional Network）在深度学习圈子里火了这么多年，几乎每个做图数据的人都要过这一关。而我今天要聊的这篇论文《Semi-Supervised Classification with Graph Convolutional Networks》，可以说是把图卷积带进大众视野的奠基之作。我第一次读它时最深的困惑是：卷积明明是为图像、音频这种规规矩矩的网格数据设计的，它在图这种"没规矩"的数据上到底怎么卷起来？后来把谱图理论、切比雪夫近似、一阶简化这条线啃完，才终于明白了GCN那套看似简单的公式是怎么一步步被推出来的。
这篇文章是"图神经网络分享系列"的第一篇，我会把它要解决的问题、背后的数学原理、模型结构、半监督训练的方式，以及我自己复现时踩过的坑全部串起来讲清楚。无论你是做推荐系统、社交网络分析、知识图谱，还是分子性质预测，只要数据天生带结构、带关系，这套思路都值得认真看一遍。读完你能收获两样东西：一是彻底搞懂GCN内部发生了什么，二是能直接照着代码在动手搭一个可用版本。
1. 为什么非要在图上做卷积：背景与问题
1.1 图数据和传统数据的本质差异
先想一个问题：一张图片上，任意一个像素点的邻居是谁？上下左右加对角线，最多8个，位置关系是固定的。你用一个3x3的卷积核滑过去，每个卷积核参数都可以"复用"在整个图上，因为不管滑动到哪里，邻居的相对空间结构都一样。这就是卷积能work的根基：规则网格加平移不变性。
文本和音频也类似，是一维序列，邻居就是左右几个位置，长度固定、顺序对齐。
但图数据完全不是这样。社交网络里，一个人可能有3个朋友，另一个人可能有5000个朋友；分子结构里碳原子的连接方式随化合物不同天差地别；交通路网中节点度数差异也巨大。图上的邻居是"不规则的、无序的、数量可变的"。你没法直接定义一个固定大小的卷积核去图上滑动，因为压根没有一个统一的"滑动窗口"可以套到每个节点头上。这是图数据最核心的难点，所有图神经网络本质都是在回答一个问题：怎么在一个拓扑结构任意、邻居数量不固定的数据上，做像卷积一样能提取局部特征的操作？
1.2 传统方法在图上的窘境
在GCN出现之前，处理图上的半监督节点分类，主要靠几类方法，但各有各的硬伤。
谱聚类是经典图算法，它把图切分成相对紧密的子图结构，用聚类结果指导分类。它的局限在于：完全忽略节点自身的属性特征，只看拓扑结构，而且聚类完成之后还需要额外的分类步骤，是两阶段流程，没法端到端地同时利用结构和特征。
标签传播算法思想很直接：让带标签节点的信息沿着边往邻居扩散，直到收敛。它的问题是一方面同样没有利用节点特征，另一方面它对图结构里本来就存在的噪声和异常边非常敏感，邻居一旦给错信息，传播就会越传越错。
后来兴起的DeepWalk、Node2Vec这类方法，用随机游走采样节点序列，再套用Word2Vec训练节点嵌入。它们比前面两个强一些，能捕捉到相对复杂的结构模式，但依然是"浅层"模型，而且训练完得到的嵌入是固定的，新节点进来得重新训练或单独推理，泛化能力有限。
注意这里有个共同点：上面这些方法都把"图结构"和"节点特征"当成两件事分开处理了。但在真实场景里，这两者往往深度耦合——论文引用关系通常和主题相关，社交连接通常和兴趣相关。你非要把它们拆开，信息就白瞎了一半。GCN最关键的突破之一，就是把图结构和节点特征同时塞进一个统一的神经网络框架里做端到端学习。
1.3 半监督分类到底在做什么
半监督分类任务用大白话说就是：我有大量节点，但只有极少一部分标了类别，我要用这些少量标签，把剩下所有节点的类别都推断出来。
以论文引用网络为例。每个节点代表一篇论文，节点特征就是论文的文本信息（比如词袋向量），边是引用关系。整个网络有几万篇论文，但我手里只有每类零星几个类别标注。比如每类只给20个带标签的节点做训练，剩下的节点标签全隐藏。这种情况下，单纯用监督学习训一个前馈网络是几乎不可能work的——标签太少，模型早就过拟合了。
但人天生擅长在这种情境下做判断：我看到一篇关于图神经网络的论文，虽然它没有类别标签，但只要发现它引用了好几篇图神经网络领域的经典论文，又被该领域的论文引用了，那它大概率也是这个领域。信息沿着引用边在传递。GCN学的正是这件事：让节点信息沿着图的边不停扩散与混合，同类节点的表示逐渐趋于一致，这样哪怕只有少量标签，也能借助图结构把"标注能力"泛化到整个图。
2. GCN的数学原理：从谱图理论到一阶近似
2.1 拉普拉斯矩阵：图上的"变化量"
要理解图卷积，绕不开拉普拉斯矩阵。给定无向图，邻接矩阵为A，度矩阵为D（对角线上是每个节点的度），组合拉普拉斯矩阵定义为：
L = D - A它为什么重要？因为对任意一个图信号向量x，计算x^T L x，展开后发现它正好等于所有边两端节点的特征差的平方和。换句话说，L描述的是"图上这个信号变得有多剧烈"——如果相邻节点的特征都差不多，这个值就很小；如果相邻节点特征差异巨大，值就很大。这跟一维信号上的二阶差分是同一个道理，所以拉普拉斯矩阵可以理解为图上的差分算子。
实际使用中通常会用对称归一化版本：
L_sym = D^(-1/2) L D^(-1/2) = I - D^(-1/2) A D^(-1/2)这个版本把节点的度差异影响压下去了，避免度数很大的节点在传播中占据绝对主导。L_sym是实对称半正定矩阵，所以可以进行特征分解：
L_sym = U Λ U^T这里的U是特征向量矩阵，Λ是特征值对角矩阵。特征分解虽然在数学上很美，但在大图上直接算是不现实的——这是后面所有近似工作的出发点。
2.2 图上做卷积的谱域思路
处理图信号的一种标准思路是利用图傅里叶变换。类比经典信号处理：时域卷积等于频域乘积。在图上，我们把信号x从"节点域"变换到"谱域"：
x_hat = U^T x然后在谱域上用可学习的函数gθ对频率成分做缩放，再变换回节点域：
gθ * x = U gθ(Λ) U^T x这里的gθ(Λ)是一个对角矩阵，对角线上的每个值代表对特定频率分量的放大或衰减。这就是谱域图卷积的最初定义，好处是从数学上严格定义了图上的卷积，坏处是计算代价让人头皮发麻。
问题出在U上。特征分解的复杂度是O(N^3)，对几百万节点的图来说完全不可行；即使只做一次特征分解，前向传播时每次都要乘U和U^T，等于做两次稠密矩阵乘法，计算量O(N^2)。而且gθ(Λ)的参数数量跟节点数N一样多，直接在谱域学习根本不现实。更麻烦的是，一旦图结构变了，U就变了，模型就得重新训练，完全没有泛化能力。
所以怎么把谱卷积"落地"，核心就是要想办法避开昂贵的特征分解。
2.3 切比雪夫多项式近似：砍掉计算成本
经典的近似思路是用切比雪夫多项式展开来逼近gθ(Λ)。切比雪夫多项式T_k(x)是一组递归定义的多项式：
T_0(x) = 1 T_1(x) = x T_k(x) = 2x T_(k-1)(x) - T_(k-2)(x)它可以在给定区间内以多项式形式逼近任意函数，而且误差可控。于是把归一化后的拉普拉斯矩阵代入，卷积变成：
gθ * x ≈ Σ_(k=0)^(K) θ_k T_k(L_sym~) x其中L_sym~是把特征值缩放到[-1,1]区间的归一化拉普拉斯矩阵。这个变换妙在T_k(L_sym~) x实际上只依赖节点的K阶邻居，因为拉普拉斯矩阵本身就是1-hop传播算子，乘一次就相当于信息沿着边传播一跳。于是K阶多项式意味着感受野是K-hop，而且完全不需要做特征分解了，计算量变成O(K × |E|)，跟边的数量呈线性关系，大图也能扛住。
2.4 一阶近似：GCN层是如何被推出来的
切比雪夫近似已经很实用了，但论文作者做了更大胆的简化：直接取K=1，把感受野压到1-hop。这意味着每个节点的输出只依赖它自己和直接邻居的特征。
再假设归一化拉普拉斯矩阵的最大特征值约等于2，经过一番推导和参数重归一化，卷积操作就变成了：
gθ * x ≈ θ (I + D^(-1/2) A D^(-1/2)) x其中θ是一个标量参数。但这里有一个数值不稳定的问题：I + D^(-1/2) A D^(-1/2)的特征值范围在[0,2]之间，反复叠加会导致数值爆炸或梯度消失。于是作者引入了一个非常经典的技巧——重归一化：
A~ = A + I D~_ii = Σ_j A~_ij Ā = D~^(-1/2) A~ D~^(-1/2)这个操作相当于给每个节点先加上一个自环（self-loop），再做对称归一化。从直觉上看，它保证了每个节点在聚合时，自己本身的特征和邻居的特征有一个均衡的权重分配，同时把传播矩阵的特征值控制在合理范围内。
于是GCN层的最终形式写出来就是：
H^(l+1) = σ(Ā H^(l) W^(l))这里的H是节点表示矩阵，W是线性变换权重，σ是激活函数。看到这个公式你可能会觉得："这不就是归一化邻接矩阵乘特征再乘权重嘛？"对，就是这么简单。但你要知道，这个简洁的公式背后是完整的谱图理论逻辑链推出来的，不是谁拍脑袋拍出来的。整个推导路径是：谱域卷积定义 → 切比雪夫近似 → 一阶简化 → 重归一化，层层递进，每一步都有明确动机。
3. GCN模型结构与半监督训练
3.1 一层GCN到底做了什么
拆开看一层GCN的计算，对节点i来说：
h_i^(l+1) = σ( Σ_(j∈N(i)∪{i}) (1/√(d_i d_j)) · h_j^(l) W^(l) )其中d_i是节点i的度（加上自环后的）。什么意思？GCN层对节点i做的事情分三步：先把所有直接邻居（包括它自己）的特征收集起来，按照度数做加权平均——度数高的节点贡献相对小一些，度数低的节点贡献相对大一些；然后把这个聚合结果乘上一个可学习的共享矩阵W，做特征变换；最后过一层激活函数。
如果用生活类比，就是你说一句话之前，先听了一圈朋友的观点，把大家的话按"每人分量不同"综合一下，再加上自己的想法，提炼出自己的表述。这里的"每人分量不同"就是度归一化权重在起作用。
理解这一层的关键在于：W是所有节点共享的。不管节点度数多大、邻居数量多少，所有节点用的是同一个线性变换矩阵，这保证了参数数量跟图规模无关，也让模型具备泛化到新节点的能力。这就是图卷积和普通全连接层最本质的区别：邻居信息的加权求和是结构感知的，而不是把所有节点当独立样本处理。
3.2 两层GCN的经典配置
论文里给出的经典配置是两层GCN：
Z = softmax(Ā ReLU(Ā X W^(0)) W^(1))其中X是N×F维的原始节点特征矩阵，W^(0)是F×H维的隐藏层权重，W^(1)是H×C维的输出层权重，C是类别数。
具体到论文的实验：输入特征用的是节点的词袋向量，维度比较高；隐藏层维度设为16；输出层维度等于类别数（引用网络一般是6到7类）。隐藏层用ReLU，输出层用softmax。
那么两层结构叠加起来感受野就是2-hop：经过第一层，每个节点混合了直接邻居的信息；经过第二层，每个节点又混合了"邻居的邻居"的信息。从工程角度看，两层GCN的参数量其实非常少，因为唯一的可学习参数就是W^(0)和W^(1)，总共可能才几千个参数。这在一众深度模型里算得上清流了。
值得注意的是，作者把GCN理解为一种特殊的可微谱滤波器，层数不必多，因为每层已经把1-hop的局部结构揉进表示了。层数太深反而会出问题，这点后面专门聊。
3.3 损失函数与训练设置
半监督场景下，训练集里只有一小部分节点带标签。GCN的损失函数非常简单直接：只对带标签的那些节点算交叉熵。
L = - Σ_(i∈Y_L) Σ_(c=1)^C Y_ic ln Z_ic其中Y_L是所有带标签节点的集合。注意这里没有任何图相关的正则项，比如拉普拉斯平滑项、图嵌入拼接项，统统没有。结构信息完完全全是靠GCN层内部的聚合机制隐式利用的。这一点早期读很容易忽略，但恰恰是GCN的高明之处——它已经把图的先验结构编码进了模型架构里，损失函数只管监督有标签的部分即可。
训练设置方面，论文作者在引用网络上用了大约200个epoch，Adam优化器，学习率0.01，隐藏层加dropout（概率0.5），输入层也做了dropout。这里还有个细节是作者对邻接矩阵做了稀疏存储，因为真实图网络边数虽然多，但相对总节点对来说依然是稀疏的。我复现时也发现，用稀疏矩阵乘法在效率和内存上差别非常大。
4. 为什么GCN能够work：实验观察与直觉
4.1 引用网络上的效果
论文在几个经典的引用网络数据集上做了评测，比如Cora、Citeseer和Pubmed。实验设置很有意思：每个类别只固定20个标签节点用于训练，1000个节点用于测试，剩下全是无标签验证。也就是说，在有标签样本极少的情况下，看模型能不能把无标签节点的类别推断准确。
传统方法里，半监督的标签传播大概能做到60%多，谱聚类加特征也差不多这个量级；深度学习方法如Manifold Regularization在Cora上大概70%出头。而两层GCN在Cora上的测试准确率做到了81%左右，在Citeseer和Pubmed上也超过了其他所有基线。更关键的是，这个效果是在训练标签量极少、模型参数只有几千个的条件下取得的。
我当时看到这个结果心里想的是：这提升幅度与其说是网络设计精巧，不如说它证明了"端到端地把图结构和节点特征一起用"这件事本身就是方向正确的。你哪怕只用最简单的加权聚合，只要结构信息进到模型里了，效果就是比两阶段方法好一大截。
4.2 局部平滑：GCN和标签传播的关系
为什么GCN能跑到这么好的效果？一个比较合理的直觉解释是局部平滑性假设——在图上距离近的节点，它们的标签和特征往往是相似的。这和社交网络里"物以类聚人以群分"是同一件事，引用网络里文献沿着引用关系传递主题归属也是这个道理。
GCN的每一层其实都在做"邻居特征加权平均"这个操作。叠加两层，信息沿着边传播了两跳，跟标签传播算法的扩散机制非常像。但GCN比标签传播聪明的地方在于：它多了一个可学习的特征变换矩阵W。传统标签传播是直接在原始特征空间里做平滑，特征空间如果本身区分度差，传播出来的结果就一团浆糊；而GCN每个节点先经过线性变换再聚合，相当于先学一个更利于区分的特征空间，再在学好的空间里做平滑，最后再接分类头。所以它是"可学习的标签传播"，特征变换和结构传播被放在同一个框架里联合优化。
4.3 层数与过平滑
一个自然的问题是：既然信息传播这么有用，那GCN叠得越深是不是越好？实验给出的答案是否定的。当GCN从2层加深到3到4层甚至更深时，测试准确率不升反降。核心原因是过平滑现象。
过平滑的意思是：GCN每做一次聚合，节点表示就会跟邻居更接近一些。反复聚合很多次以后，整个图的节点表示会逐渐收敛到几乎相同的向量，什么结构信息、特征差异都被"平均"没了。你想想，如果全图节点最后都长成一个样子，分类器自然无从分起。这就像一群人在一个房间里开圆桌会，每个人不停复述别人的观点，聊到第几十轮的时候，每个人说的话就完全相同了。
所以实操上GCN通常2层就够干活了，最多3层。如果你的任务确实需要更大感受野，就要用后面各种防过平滑的变体，比如加残差连接、用PairNorm对中间表示做归一化、或者采用Jumping Knowledge Network在每一层输出之间做自适应组合。这些变体很多，我在系列的后续文章里会逐个展开对比。
5. 从零实现一个GCN：核心代码实战
5.1 数据准备与邻接矩阵归一化
动手写代码之前，最容易被忽略却最关键的部分是邻接矩阵的预处理。很多人一上来就照着公式拿A直接乘，结果要么数值爆炸要么效果差。正确的步骤是先把邻接矩阵加自环，然后做对称归一化。
一个典型实现是直接用系数矩阵运算：
import numpy as np from scipy.sparse import eye, diags def normalize_adjacency(A): # A是稀疏邻接矩阵，需要先加自环 A_hat = A + eye(A.shape[0]) degree = np.array(A_hat.sum(1)).flatten() d_inv_sqrt = 1.0 / np.sqrt(degree) D_inv_sqrt = diags(d_inv_sqrt) # 对称归一化：D^-1/2 A~ D^-1/2 A_norm = D_inv_sqrt @ A_hat @ D_inv_sqrt return A_norm这段代码的核心逻辑就两行：加自环，做对称归一化。值得注意的是，degree那边必须是加完自环之后的度，而不是原始图的度。如果你忘了在A_hat上重新计算度数，归一化结果就是错的。我当时第一次复现时就在这里栽了跟头，具体现象是loss下降极其缓慢，最后对比别人代码才发现归一化细节写错了。
另外，在大图上请一定用scipy的稀疏矩阵格式存储A_norm，别用稠密ndarray。稠密矩阵的显存占用是O(N^2)，5万个节点的图直接就32G内存爆满。稀疏矩阵只存储非零项，GCN的传播矩阵恰好是高度稀疏的，计算效率差几十倍不止。
5.2 GCN层的前向实现
GCN层本身实现起来非常简洁，在PyTorch里写核心逻辑也就十来行：
class GCNLayer(nn.Module): def __init__(self, in_features, out_features): super().__init__() self.linear = nn.Linear(in_features, out_features) def forward(self, x, adj_norm): # x: [N, F] 节点特征矩阵 # adj_norm: [N, N] 归一化邻接矩阵（带自环） h = self.linear(x) # 特征变换 out = torch.spmm(adj_norm, h) # 邻居聚合 return outforward内部就两步：先用Linear做特征投影，再跟归一化邻接矩阵做稀疏矩阵乘法实现聚合。如果你要写更底层的版本，等价于：
out = adj_norm @ (x @ W)注意运算顺序：先做特征变换再做聚合，和先聚合再变换，数学上等价，但前者中间矩阵维度是N×out_features，后者也是N×out_features，实际上差别不大。不过如果先聚合再变换，中间表示还是N×in_features。在特征维度较高时，先变换后聚合的计算量更小。论文里也是先做线性变换再聚合。坏消息是，如果你用dropout，它应该插在变换和聚合之间，因为你要对"每个节点的变换后特征"做随机丢弃，而不是对聚合结果做丢弃。
5.3 两层GCN的搭建与半监督训练
有了GCNLayer，搭建两层GCN模型就非常直观了：
class TwoLayerGCN(nn.Module): def __init__(self, in_features, hidden, num_classes): super().__init__() self.layer1 = GCNLayer(in_features, hidden) self.layer2 = GCNLayer(hidden, num_classes) def forward(self, x, adj_norm): h = torch.relu(self.layer1(x, adj_norm)) h = torch.dropout(h, p=0.5, train=True) logits = self.layer2(h, adj_norm) return torch.log_softmax(logits, dim=-1)输入X是原始节点特征矩阵，维度可能上千；第一层把特征投影到16维隐藏空间；中间过ReLU和dropout；第二层输出类别数维度的logits。
训练循环里最重要的细节是掩码（mask）的使用：
loss = F.nll_loss(logits[train_mask], labels[train_mask])这里train_mask是一个布尔向量，只选中训练集里那几十个带标签节点。模型推理时是对所有节点输出预测，但反向传播的梯度只来自带标签节点。这部分跟普通分类训练看起来差异不大，但你心里要清楚：模型对所有节点都做了前向预测，样本之间的信息通过邻接矩阵在图里流动，这就是半监督学习的"半"字所在——你用的标签少，但信息并不少。
训练完成后评估同样简单：
_, pred = logits[test_mask].max(dim=1) acc = (pred == labels[test_mask]).float().mean().item()在Cora数据集上，按论文的配置（隐藏层16、epochs 200、lr 0.01、dropout 0.5），大约能复现出0.80到0.82之间的测试准确率。我自己实测大概0.805左右，跟论文报的0.815有一点差距，但基本在合理浮动范围内，毕竟随机种子不同、数据划分方式也可能有细微差别。
5.4 复现时的几个关键参数与微调建议
复现GCN时，几个参数对最终效果影响很大，我逐个说一下。
epochs和early stopping：训练200个epoch足够收敛了。实际中建议先跑一个epoch看一眼loss曲线，如果loss不下降，大概率是归一化写错了或者学习率太大了。可以用早停法在验证集准确率连续几十个epoch不涨时提前结束，省时间。
学习率：论文用0.01，配合Adam效果很好。如果调大容易梯度震荡，调小收敛慢。我用0.015跑过一次，效果略微下降。0.01是一个不错的平衡点。
隐藏层维度：论文用16。这个数字看着小，但因为邻接矩阵的聚合操作本身就融合了结构信息，特征通道少反而更不容易过拟合。我试过32或64，测试准确率并不会显著提高，训练时间却变长了。对小数据集保持16就好。
dropout：强烈建议保留，尤其隐藏层dropout设为0.5。GCN参数很少，但图数据上的信息传播很容易让模型快速记住训练节点附近的特征模式，dropout能有效抑制过拟合。输入特征那一层也可以做dropout，不过论文里输入特征维度大，做dropout收益更明显。
权重衰减：论文在训练加了L2正则化，权重衰减系数用5e-4，对抑制过拟合有帮助。对参数很少的模型，这一项影响比较微妙，但加上之后我实测在Citeseer上能稳定提高1到2个点。
6. 常见问题与避坑指南
6.1 训练时要不要做特征分解
很多初读论文的人被前面2.2节的特征分解吓到了，以为实现GCN需要先算特征向量。完全不需要。最终的一阶近似已经把特征分解整个绕过了，训练时唯一要预先处理的只有归一化邻接矩阵，这是一个稀疏矩阵计算，几百万节点的图也能轻松搞定。如果哪个教程教你先做特征分解再算GCN，果断跳过那部分。
6.2 自环到底起了什么作用
加自环这件事很多人不理解，觉得"多此一举"。从归一化公式看，如果不加自环，每个节点的输出是纯邻居特征的加权平均，自己的特征反而被排除掉了。这会让模型丧失对自身信息的保留能力，尤其当一个节点的邻居类别非常杂时，自己的特征可能是更可靠的类别指示器。加自环等于在聚合公式里默认"每个节点也是自己邻居之一"，这是很自然的保底设计。另外从谱理论角度看，加自环还能调整归一化矩阵的特征值范围，避免数值不稳定。
6.3 深层GCN效果差，就是过平滑吗
准确说不完全。层数加深导致效果差的机制里，过平滑是最常见的一个解释，但也有优化层面的因素：GCN层间没有残差连接，深层梯度回传很容易爆炸或消失；再加上非线性激活叠加，训练本身也不稳定。所以单纯把过平滑归因到"信息收敛"是不完整的。实际排查时，如果你发现深层模型在训练集上几乎不收敛，优先怀疑梯度和数值稳定性；如果你发现训练集收敛但测试集效果崩了，那过平滑的可能性更大。
6.4 复现踩坑速查表
| 现象 | 可能原因 | 解决办法 |
|---|---|---|
| loss完全不下降 | 邻接矩阵没有加自环或归一化错误 | 检查A_hat = A + I后重新计算度矩阵 |
| 训练准确率很高但测试差 | 过拟合 | 提高dropout，加权重衰减，减少层数 |
| 深层GCN效果明显变差 | 过平滑 | 加残差连接，用PairNorm或JK-Net变体 |
| 显存/内存不足 | 用了稠密邻接矩阵 | 改用scipy/pytorch的稀疏矩阵存储 |
| 随机种子不同效果差异大 | 标签太少，初始化影响大 | 多次运行取平均，固定种子后再比较模型 |
| 节点特征没归一化 | 不同维度量纲差异 | 对输入特征做行归一化或标准化 |
6.5 节点特征和边权重同时存在怎么办
上面实现的GCN假设边是二值的：有边为1，无边为0。如果你手里的图本身带边权重（比如用户交互次数、论文引用强度），直接把原始权重矩阵当成A做归一化就行。不过要注意，权重跨度太大的时候建议先做log压缩或min-max缩放，因为大权重会在聚合时压制其他邻居的信号。我自己处理带权图时，第一步永远是先看权重的分布，必要时做对数缩放，效果通常会稳定不少。
写在最后，说一点我个人的体会。GCN这篇论文最让我佩服的地方，就是它把一套复杂的谱图理论推导，最终收敛成两个看上去平凡无奇的算子：一个归一化邻接矩阵，一个线性变换。这种"重推导、轻落地"的风格，恰恰是现在很多论文最欠缺的。数学上绕了一大圈，最后发现真正有用的就是那条一阶近似的干净路径。
如果你打算自己动手复现，建议按这个顺序来：先把2.4节的推导走一遍，再照着第5部分的代码搭一个最小可跑版本，最后在Cora或Citeseer上反复调参试效果。等你亲手把准确率从瞎猜跑到了80%以上，GCN基本就吃透了。这个系列接下来我会继续聊GCN的变体、深层化方案和在大规模图上的工程优化，保持这个节奏往下读就行。
