版本更新：

1、框架模型更新：

• 将大部分GNN模型底层消息传递机制更新为 paddle.geometric 调用方式。
• 新增 UVA 图存储，UVA方式可以支持将图结构存储在CPU内存中，但仍可以通过GPU设备进行访问。
• 新增 BernNet、ChebNetII、FAGCN、GATv2、GPRGNN模型。

2、工具库更新：

• 新增超大规模GPU图表示学习训练引擎PGLBox，具备低成本、高性能、高稳定、灵活易用的全面优势。通过异构层次化存储技术，突破了显存瓶颈，单机即可支持百亿节点、数百亿边的图采样和训练，可用于快速搭建基于GNN的推荐系统、用户画像、图检索系统。（详情请参考这里）