10.1 重新认识图卷积神经网络

10.1.1 基于谱域的图处理（Page298）
10.1.2 基于顶点域的图处理（Page298）
10.1.3 基于顶点域的图卷积（Page298）
10.1.4 图卷积的特性（Page299）

10.2 实例27： 用图注意力神经网络为论文分类

10.2.1 图注意力网络（Page300）
10.2.2 工程部署（Page301）
10.2.3 代码实现：对邻接矩阵进行对称归一化拉普拉斯转化age301）
10.2.4 代码实现：搭建图注意力神经网络层（Page301）
10.2.5 代码实现： 搭建图注意力模型类（Page302）
10.2.6 代码实现：实例化图注意力模型，并进行训练与评估Page303）
10.2.7 常用的图神经网络库（Page304）

10.3 图神经网络常用库——DGL库

10.3.1 DGL的实现与性能（Page305）
10.3.2 安装DGL库的方法及注意事项（Page305）
10.3.3 DGL库中的数据集（Page306）
10.3.4 DGL库中的图（Page307）
10.3.5 DGL库中的内联函数（Page307）
10.3.6 扩展：了解PyG库（Page307）

10.4 DGLGraph图的基本操作

10.4.1 DGL Graph图的创建于维护（Page308）
10.4.2 查看DGL Grapg图中的度（Page309）
10.4.3 DGL Graph图与NetWorkx图的相互转化（Page310）
10.4.4 NetWorkx库（Page311， 312）
10.4.5 DGL Graph图中顶点属性的操作（Page313）
10.4.6 DGL Graph图中边的属性操作（Page314）
10.4.7 DGL Graph图属性操作中的注意事项（Page314）
10.4.8 使用函数对图的顶点和边进行计算（Page315）
10.4.9 使用函数对图的顶点和边进行过滤（Page315）
10.4.10 DGL Graph图的消息传播（Page316）
10.4.11 DGL库中的多图处理（Page317）

10.5 实例28：用带残差结构的多层GAT模型实现论文分类（Page318）

10.5.1 代码实现：使用DGL数据集加载CORA（样本Page319, 320）
10.5.2 用邻居聚合策略实现GATConv（Page321, 322）
10.5.3 代码实现：用DGL库中的GATConv搭建多层GAT模型（Page323）
10.5.4 代码实现：使用早停方式训练模型并输出评估结果
（Page324, 325, 326）

10.6 图卷积模型的缺陷

10.6.1 全连接网络的特征与缺陷（Page327）
10.6.2 图卷积模型的缺陷（Page328）
10.6.3 弥补图卷积模型缺陷的方法（Page328）
10.6.4 从图结构角度理解图卷积原理及缺陷（Page328）

10.7 实例29： 用简化图卷积模型实现论文分类（Page329）

10.7.1 SGC的网络结构（Page330）
10.7.2 DGL库中SGC模型的实现方式（Page331， 332）
10.7.3 代码实现：搭建SGC模型并经训练（Page333）
10.7.4 扩展：SGC模型的不足（Page334）

10.8 实例30：用图滤波神经网络模型实现论文分类

10.8.1 GfNN的结构（Page334）
10.8.2 代码实现：搭建GfNN模型并进行训练（Page335， 336）

10.9 实例31：用深度图互信息模型实现论文分类

10.9.1 DGI模型的原理与READOUT函数（Page337）
10.9.2 代码实现： 搭建多层SGC网络（Page338）
10.9.3 代码实现： 搭建编码器和判别器（Page339）
10.9.4 代码实现： 搭建DGI模型并进行论文分类（Page340, 341）
10.9.5 代码实现：利用DGI模型提取特征并进行分类（Page342）

10.10 实例32： 用图同构网络模型实现论文分类

10.10.1 多重集与单射（Page344）
10.10.2 GIN模型的原理与实现（Page344， 345）
10.10..3 代码实现：搭建多层GIN模型并进行训练（Page346）

10.11 实例33：用APPNP模型实现论文分类

10.11.1 APPNP模型的原理与实现（Page347， 348）
10.11.2 代码实现：搭建APPNP模型并经训练（Page 349， 350）

10.12 实例34：用JKNet模型实现论文分类

10.12.1 JKNet模型的原理与实现（Page351）
10.12.2 代码实现：修改图数据的预处理部分（Page352）
10.12..3 代码实现：搭建JKNet模型并进行训练（
Page352， 353， 354）

10.13 总结（Page355）