为什么使用图卷积神经网络而不是卷积神经网络

图卷积神经网络（GCN）和卷积神经网络（CNN）是两种不同的神经网络架构。它们的设计目标和处理对象不同，因此在不同的应用场景中可能会选择不同的网络架构。

CNN主要应用于图像、语音、文本等结构化数据的处理，其中数据的结构通常是规则的，如图像的像素排列方式、文本的单词顺序等。CNN的卷积操作可以有效地提取结构中的特征，因此在这些领域有着广泛的应用。

GCN则主要应用于图数据的处理，其中数据是以图的形式呈现的，节点之间的连接关系是不规则的。GCN的卷积操作是在图上进行的，可以有效地利用节点之间的连接关系来提取特征，因此在社交网络分析、推荐系统、生物信息学等领域有着广泛的应用。

因此，如果处理的数据是图数据，则可以考虑使用GCN，而如果处理的是结构化数据，则可以考虑使用CNN。当然，在实际应用中，也可能需要结合多种网络架构来处理不同类型的数据。