前言：
结合阿里算法工程师写的关于DGL库文章中的例子和DGL的文档，写了这篇关于DGL的笔记（代码可以跑通）。
安装图神经网络库DGL：
通过pip install dgl==0.4.1
1问题描述：
空手道俱乐部（Zachary's karate club)一共包含34个成员，成员之间有交互的关系。俱乐部后来分类成以指导员（节点0）和俱乐部主席（节点33）为首两个团队。任务是预测每个节点会加入哪一边。
2 代码实现
1构建karate_club图。
注释：
对于无向图而言，需要构建一个双向图。另一种双向图的构建方法可以使用dgl.to_bidirected()。
构建图神经网络
图卷积审计网络框架
在第l层，每个节点用一个节点向量
表示
GCN的每一层目的是聚合每一个节点的邻居节点们
用来生成下一层的向量表示
，然后接一个非线性的仿射变换。上面整个可以看成message-passing：每个节点会接受邻居节点表示。
注释：
message function的输入是DGL中的edges，每个的edges有三个元素src(开始节点的特征),dst(终止节点的特征）和data(边的特征）;reduce function的输入是nodes。点通过mailbox收集它邻居的信息并且发送给它。reduce 的基本运算包括sum,max,min等。update function的输入是nodes，这步结合从reduce function的结果，在最后一步结合了点的特征。
数据初始化：使用one-hot向量初始化节点。因为一个半监督的设定，仅有指导员（节点0）和俱乐部主席（节点33）被分为0和1.
训练：使用adam优化器，然后输入input数据，计算loss，最后反向传导
展示最终结果：从训练中得到每个节点的压缩后的两维的向量，然后可视化最终结果。
Reference：
DGL文档：https://docs.dgl.ai/guide/graph.html
秦蓁的机器学习笔记：https://www.zhihu.com/column/c_1173319214768201728
