图神经网络（GNN）：从图形数据中挖掘知识 图表世界与机器学习 图表无处不在。从社交网络的人与关系到您的家人，从您从A点到B点的路径到您雇主的付款通过的金融机构网络，图表都是描述信息的有力工具。然而，图表不仅仅是视觉展示，它们还可以作为机器学习模型的宝贵数据源，帮助我们解决复杂任务。
图神经网络（GNN）是近年来深度学习领域中研究的热点之一，尤其在处理图数据时展现出巨大潜力。图结构由顶点、边和图的全局信息组成，可以将文本和分子结构等数据表示为图形式。图神经网络通过变换保持图结构信息，输入和输出都是图结构的embedding。
GNN在节点分类、关系预测、化合物分子结构预测等多个领域都有广泛应用。随着研究的深入，GNN有望在更多领域发挥重要作用，解决更多非欧几里得数据的处理问题。综上所述，图神经网络是从卷积神经网络发展而来的一种专门用于处理非欧几里得数据的神经网络。
机构-作者-论文”网络的类，以便进一步实践和理解图神经网络的应用。本文旨在为学习图卷积神经网络的读者提供一个全面的入门指南，涵盖从基本概念到环境配置和实际应用的各个方面。通过本文的介绍，希望读者能够掌握如何利用图论知识和PyG库进行图数据的处理和分析，从而实现有效的图神经网络模型。
GNN的类型： Recurrent GNNs：处理序列图数据，适用于需要考虑时间顺序的图结构数据。 Convolutional GNNs：如Graph Convolutional Networks ，通过卷积操作捕捉局部模式，基于节点的连接性缩放节点表示。
总的来说，通过本文的学习，我们深入了解了神经网络在处理图结构数据方面的应用，从理论到实践，包括图的表示方法、图神经网络层的实现以及如何在不同任务中应用GNN。随着图神经网络在多个领域的应用，其重要性和影响力预计将持续增长，并在未来的人工智能领域扮演更加关键的角色。
1、Kg轻轨压板尺寸是高度73mm，厚度35mm，侧面与中心线距离35mm，孔径Φ21mm，长度426mm。角柜平面三角形直角边度般为450MM~550MM。角柜圆形般尺寸半径为450MM--550MM形 ，般尺寸为450X450MM 。
第一种方法：点击“数据”---“高亮重复项”，选择要查找的数据，重复的数据就全部高亮显示出来了 第二种方法：“开始”---“条件格式”---“突出显示单元格规则”---“重复值”，将重复单元格标色后再打开数据--筛选，按颜色筛选。不带颜色是唯一值，带颜色的是重复值。
答案：在Excel中，可以通过数据选项卡中的删除重复值功能，将同列中的重复数据筛选出来并只保留一个。详细解释： 定位到数据列：首先，打开包含需要筛选的Excel表格，用鼠标选中包含重复数据的列。
在EXCEL数据中查询同一列里的相同数据，可使用条件格式重复值标记实现。方法步骤如下：打开需要操作的EXCEL表格，选中相关单元格数据，点击开始选项卡中的“条件格式”选项，在下拉菜单中选择“突出显示单元格规则”，并选择“重复值”。设置重复值显示规则，可使用默认样式，直接点击确定即可。
打开excel2010表格，例如要找到这一列表数据中的所有的重复值 。接着点击表格左上角的开始菜单按钮 然后找到“条件格式”这个菜单，这个菜单在开始菜单下，靠中间的位置。设置让重复值突出显示，这样就很方便的看到重复数据了。
在Excel表格中快速知道一列中有几个相同的数字，并且自动显示出来，可以使用COUNTIF函数实现。方法步骤如下：打开需要操作的EXCEL表格，在相应单元格中输入函数公式=COUNTIF（A1：A7，1）。
