1.2 GCN

GCN（Graph Convolution Network，图卷积网络）是GNN（Graph Neural Network，图神经网络）中的一种，可以认为是CNN的一种推广。对于CNN，其输入数据（pixel）在空间上是均匀分布的二维阵列，而GCN打破了这种均匀分布，pixel之间通过图的原语—vertex、edge进行描述。GCN和CNN的基本算子有很大的相似性，主要是卷积运算和激活函数。

GCN的特别之处在于引入了图的概念，需要额外的信息来表示图的结构，比如邻接矩阵。卷积运算只作用于图中有连接的vertex，这个过程叫作聚合（Aggregation）。除此之外，GCN一般还有和CNN类似的采样（Sampling）和池化（Pooling）模块。这些模块的分布情况如图1-2所示。

从硬件设计的角度看，GCN模块之间的关系如图1-3所示。

从硬件架构的角度看，GCN加速器主要面临的挑战有以下几个方面。

❑不规则的内存访问。

❑不规则的数据复用情况。

❑平衡卷积和全连接（Fully Connected，FC）两种运算单元之间的负载。

❑图的动态切分。

图1-2 GCN模块分布

图1-3 GCN模块之间的关系