得益于大數據的興起以及算力的快速提升，機器學習技術在近年取得了革命性的發展。在圖像分類、語音識別、自然語言處理等機器學習任務中，數據為大小維度確定且排列有序的歐氏（Euclidean）數據。然而，越來越多的現實場景中，數據是以圖（Graph）這種復雜的非歐氏數據來表示的。Graph不但包含數據，也包含數據之間的依賴關系，比如社交網絡、蛋白質分子結構、電商平臺客戶數據等等。數據復雜度的提升，對傳統的機器學習算法設計以及其實現技術帶來了嚴峻的挑戰。在此背景之下，諸多基于Graph的新型機器學習算法—GNN（圖神經網絡），在學術界和產業界不斷的涌現出來。