帮我写一个GCN网络，没其他要求

。

好的，那么我们可以从一个简单的图卷积网络（GCN）开始，以便您了解这个模型的基本构造。

首先，我们需要导入必要的库：

import torch
import torch.nn as nn
import torch.nn.functional as F

然后，我们可以定义一个简单的GCN层：

class GCN(nn.Module):
    def __init__(self, in_features, out_features):
        super(GCN, self).__init__()
        self.linear = nn.Linear(in_features, out_features)

    def forward(self, x, adj):
        x = self.linear(x)
        x = torch.spmm(adj, x)
        return x

这个GCN层接受两个输入：节点特征矩阵`x`和邻接矩阵`adj`。它通过一个线性变换和图卷积来计算输出。

最后，我们可以定义一个简单的GCN模型：

class SimpleGCN(nn.Module):
    def __init__(self, in_features, hidden_features, out_features):
        super(SimpleGCN, self).__init__()
        self.gcn1 = GCN(in_features, hidden_features)
        self.gcn2 = GCN(hidden_features, out_features)

    def forward(self, x, adj):
        x = F.relu(self.gcn1(x, adj))
        x = self.gcn2(x, adj)
        return x

这个模型包含两个GCN层，并在图卷积之间使用ReLU激活函数。

希望这个示例对您有所帮助！