並非所有資料都能用網格表示。社會網絡、分子結構和路線圖都是圖，它們由節點和邊構成，而非像素或序列。圖神經網路直接在這種結構上運行，透過在連接的節點之間傳遞訊息來學習表徵。

核心操作是訊息傳遞。每個節點聚合來自鄰居節點的訊息，更新自身的表示，並重複此過程數輪。經過足夠的層數後，每個節點都會對其本地鄰域的資訊進行編碼。

常見圖任務

• 節點分類
• 連結預測
• 圖分類
• 推薦連接
• 預測分子性質

擴展性是一個挑戰。大型圖包含數百萬個節點和邊，而全批量訓練無法完全載入到記憶體中。採樣技術和小批量方法使得訓練成為可能，但會犧牲一定的精確度。