本书专注于几何深度学习及其在图神经网络领域中的应用, 涵盖了从数学基础到前沿模型的全面指导, 同时结合实际项目案例, 帮助读者深入地理解几何深度学习的复杂概念。书中不仅详细阐述了各类算法的理论背景, 还提供了实际操作指南, 为读者提供了理论与实践相结合的全面支持。第1章和第2章介绍了几何深度学习的数学与算法基础。第1章涵盖了高等数学、线性代数、图论、群论及量子力学等内容,为读者奠定坚实的理论基础。第2章则探讨了CNN、LSTM、Transformer和GAN等主流深度学习算法, 并引出其后续在几何深度学习中的应用。第3章深入分析了图神经网络, 重点介绍了各类模型及其变体, 突出图神经网络在几何深度学习中的重要地位。第4章和第5章分别探讨了不变性与等变性概念及其在几何图神经网络中的应用, 深入剖析了这些核心理念在模型构建中的作用。不变性与等变性是几何深度学习的核心理念, 也是实现模型稳健性和泛化能力的关键。第6章围绕E3NN工具库展开, 这是一个强大的开源库, 专门用于处理具有旋转对称性的三维数据。通过对E3NN中关键组件的详细解析, 包括等变卷积和SE (3)-Transformer的实现, 读者将学会如何利用这些工具解决实际问题, 并进一步拓展其在几何深度学习中的应用。