收集一些讲解比较好的博客或者知乎文档，以及对应的代码

1、同构图神经网络-GCN/GAT/GraphSAGE

• 图卷积：从GCN到GAT、GraphSAGE图卷积：从GCN到GAT、GraphSAGE

• GCN - Semi-Supervised Classification with Graph Convolutional Networks 用图卷积进行半监督节点分类 ICLR 2017

• GAT - Graph Attention Network 图注意力网络 ICLR 2018
  

• [论文笔记]：GraphSAGE：Inductive Representation Learning on Large Graphs论文详解 NIPS2017

• 图卷积网络 GCN Graph Convolutional Network（谱域GCN）的理解和详细推导

2、异构图神经网络-RGCN/HGT

• 从GCN到RGCN，从同构图到异构图
• 如何理解 inductive learning 与 transductive learning?
• 【论文阅读】HGT：Heterogeneous Graph Transformer
• 异构图神经网络（5）Heterogeneous Graph Transformer

3、pytorch相关代码

建议下载好DBLP数据集后，合并下面的RGCN和HGT代码到一个项目里面进行效果对比

• 异构图神经网络 RGCN、RGAT、HAN、GNN-FILM + PyG实现，主要是一些模型类的继承实现
• 一、PyG搭建R-GCN实现节点分类，同时可以下面的github代码仓库，但是缺少HGT代码
• 二、PyG搭建R-GCN实现链接预测，该博主有很多其他模型的demo
• 三、PyG搭建异质图注意力网络HAN实现DBLP节点分类
• 四、github：GNNs-for-Node-Classification，即上述三个博文的代码仓库
• 一、异构图神经网络Heterogeneous Graph Transformers（HGT）的代码实现
• 二、PyG (PyTorch Geometric) Dropbox系图数据集无法下载的解决方案（AMiner, DBLP, IMDB, LastFM）
• 三、github：https://github.com/PolarisRisingWar/HGNN_Collection，即上面博客的数据集代码仓库

4、pytorch学习相关

• 【PYG】常用和采坑总结
• 官方安装pyg文档