pytorch geometric GCN参数设置

在PyTorch Geometric中，GCN（Graph Convolutional Network）的参数设置包括以下几个关键参数：

1. `in_channels`：输入特征的维度，通常是节点特征的数量。
2. `out_channels`：输出特征的维度，通常是GCN层输出的特征数量。
3. `hidden_channels`：隐藏层特征的维度，通常用于多层GCN模型。
4. `num_layers`：GCN模型的层数，控制GCN层的数量。
5. `dropout`：Dropout层的概率，用于防止过拟合。
6. `aggr`：聚合函数的类型，可以是"add"、"mean"或"max"。
7. `bias`：是否使用偏置项。

你可以通过创建GCN模型的类来设置这些参数。下面是一个示例：

import torch
from torch.nn import ModuleList
from torch_geometric.nn import GCNConv

class GCN(torch.nn.Module):
    def __init__(self, in_channels, hidden_channels, out_channels, num_layers, dropout):
        super(GCN, self).__init__()

        self.conv1 = GCNConv(in_channels, hidden_channels)
        self.convs = ModuleList()
        for _ in range(num_layers - 2):
            self.convs.append(GCNConv(hidden_channels, hidden_channels))
        self.convn = GCNConv(hidden_channels, out_channels)
        self.dropout = dropout

    def forward(self, x, edge_index):
        x = self.conv1(x, edge_index)
        x = torch.relu(x)
        x = torch.dropout(x, p=self.dropout, training=self.training)
        for conv in self.convs:
            x = conv(x, edge_index)
            x = torch.relu(x)
            x = torch.dropout(x, p=self.dropout, training=self.training)
        x = self.convn(x, edge_index)
        
        return x