一些基于tf_geometric库的算法实现demo 其中包括节点层面上的ChebyNet图滤波器，图卷积网络GCN,选取部分邻居采样聚合的SampleGCN,多核拓扑图卷积TAGCN，简化的图卷积SGC,GraphSAGE算法，图注意力网络GAT 在图层面上有各种实现图分类的读出层操作函数，节点坍缩SAGPool算法 在边的层面上有基于GCN的图自编码器GAE
几点注意事项： #图神经网络的模型接收的edge_index都是有向的，所以对于无向边来说，在预处理的过程中需要convert_to_directed 具体方法是将每条边首尾颠倒复制一次，例如连接节点5和节点8的边，在edge_index中就变成了[[5,8],[8,5]]
#若原数据中的边是有向不对称的，那么在后续邻居聚合时只聚合被中心节点发出的边指向的邻居， 这脱离了无向图的频域傅里叶限制，它不再适用L,D,A公式，是一个单纯的邻居聚合过程
#谱域图卷积L=D-1/2AD1/2要求L是实对称矩阵（即A是实对称矩阵），所以不适用于有向图