如何理解Graph上的卷积操作？

这里所谓的卷积并不是数学意义上的，神经网络的卷积运算实际上可以看做一种比较特殊的矩阵计算，即将图中的局部像素矩阵和卷积核进行运算(符号是和直积一样，但不是直积，公式网上很多)，所以可以将其视为空间泛函，每次运算所得到是对应位置的实数(这里是一次，不是一趟)，使用一个卷积核′卷＇一趟所得到的输出一般是一个规模小一些的矩阵，不同卷积核(内容不同)自然可以得到不同的输出，故形成图像不同的特征(所以这里也可以把这里的卷积理解为一种空间间映照算子);在网络反馈时，需注意对于卷积的逆运算，即需旋转卷积核180度(当然不用真的旋转，可以inplace，即从后向前运算，就能达到相同效果)