Spektral是一个基于Keras API和TensorFlow 2的Python库，专为图神经网络（GNN）提供简单灵活的框架。该库适用于社交网络用户分类、分子性质预测、图生成、节点聚类和链接预测等任务。Spektral包含多种流行的图深度学习层，如GCN、Chebyshev、GraphSAGE、GAT等，并提供丰富的图操作工具。最新版1.0引入了新数据集、新容器、Loader类和transforms模块，简化了数据处理和模型训练。更多信息请参阅官方文档和示例。

CogDL是一个应用于节点分类、图分类等任务的图深度学习工具包。它具备高效性、易用性和可扩展性的特点，通过提供优化的操作符加快训练速度并节省GPU内存。CogDL还提供易用的API，并支持广泛的模型和数据集。最新版新增了图自监督学习示例和混合精度训练功能，适用于多种图神经网络分析任务。

DIG提供统一的数据接口、常用算法和评估指标，支持高级图深度学习任务如图生成、自监督学习、解释性、三维图、OOD图的开发和基准测试。DIG帮助研究人员轻松开发新方法并与基线方法进行比较。最新版本基于PyG 2.0.0升级，推荐使用。

本教程基于京东团队、密西根州立大学和斯坦福大学CS224W课程内容，提供图深度学习从入门到应用的全面指导。涵盖图理论基础、深度学习基础、经典图神经网络模型，并结合NetworkX、DGL和PyG框架的实践代码，助力读者系统掌握图深度学习知识。

DeepSNAP是一个专为图神经网络设计的Python库，连接NetworkX和PyTorch Geometric，提供灵活的图操作和标准化流程。它支持高效的图操作和转换、异构图处理，并提供数据集分割、负采样等功能。DeepSNAP的API易于使用，适用于节点分类、链接预测和图分类等多种图学习任务。