用pytorch实现GCN算法

好的，以下是一个简单的PyTorch实现GCN算法的示例代码：

import torch
import torch.nn as nn

class GCN(nn.Module):
    def __init__(self, input_dim, hidden_dim, output_dim):
        super(GCN, self).__init__()
        self.fc1 = nn.Linear(input_dim, hidden_dim)
        self.fc2 = nn.Linear(hidden_dim, output_dim)

    def forward(self, x, adj):
        x = torch.relu(self.fc1(torch.spmm(adj, x)))
        x = self.fc2(torch.spmm(adj, x))
        return x

其中，`input_dim`为输入特征的维度，`hidden_dim`为隐藏层特征的维度，`output_dim`为输出特征的维度。`adj`为输入的邻接矩阵，`x`为输入的节点特征。

在`forward`函数中，首先对输入特征进行一次线性变换，然后通过邻接矩阵进行一次图卷积操作，再经过一次线性变换输出。

以上是一个简单的例子，实际应用中可能需要增加更多的层和一些正则化方法来提高模型的性能。