并非所有数据都能用网格表示。社交网络、分子结构和路线图都是图，它们由节点和边构成，而非像素或序列。图神经网络直接在这种结构上运行，通过在连接的节点之间传递信息来学习表征。

核心操作是消息传递。每个节点聚合来自邻居节点的信息，更新自身的表示，并重复此过程数轮。经过足够多的层数后，每个节点都会对其本地邻域的信息进行编码。

常见图任务

• 节点分类
• 链接预测
• 图分类
• 推荐连接
• 预测分子性质

扩展性是一个挑战。大型图包含数百万个节点和边，而全批量训练无法完全加载到内存中。采样技术和小批量方法使得训练成为可能，但会牺牲一定的精度。