gnconv与普通卷积的差别

GNCONV与普通卷积的差别主要体现在以下几个方面：

1. 输入数据：普通卷积的输入是二维的图像数据，而GNCONV的输入是图形数据，即由节点和边组成的图形结构。

2. 卷积核：普通卷积的卷积核通常是一个小的二维矩阵，而GNCONV的卷积核是一个权重矩阵，每个权重都对应于一个节点的邻居节点。

3. 卷积操作：普通卷积是在局部区域内对输入数据进行加权平均，而GNCONV是通过将节点的邻居节点特征进行聚合来更新节点的特征表示。

4. 处理能力：普通卷积适用于处理二维图像数据，而GNCONV适用于处理任意类型的图形数据，包括带权重和多标签的图形数据。

5. 可扩展性：GNCONV具有良好的可扩展性，可以使用更深、更复杂的图神经网络模型，而普通卷积的可扩展性受限于输入数据的维度和卷积核的大小。