一：为什么要图采样？二 Graphsage采样代码实践GraphSage的PGL完整代码实现位于https://github.com/PaddlePaddle/PGL/tree/main/examples/graphsage，本文实现一个简单

目录​​前言​​​​简介​​​​Abstract​​​​1Introduction​​​​2Relatedwork​​​​3Proposedmethod:GraphSAGE​​​​3.1Embeddinggeneration(i.e.,

PGL图学习项目合集&数据集分享&技术归纳业务落地技巧[系列十]1.PGL图学习项目合集1.1关于图计算&图学习的基础知识概览：前置知识点学习（PGL）[系列一]：https://aistudio.bai

0.PGL图学习之图神经网络GraphSAGE、GIN图采样算法[系列七]本项目链接：https://aistudio.baidu.com/aistudio/projectdetail/5061984?contributionType=1相关项目参考：更

学习总结（1）GraphSAGE的主要步骤是三步“采样-聚合-预测”：采样是指在整体图数据上随机确定中心节点，采样k阶子图样本。聚合是指利用GNN把k阶子图样本聚合成中心节点

【引言】在GCN的博文中我们重点讨论了图神经网络的逐层传播公式是如何推导的，然而，GCN的训练方式需要将邻接矩阵和特征矩阵一起放到内存或者显存里，在大规模图数据上是不可取的