请你用messagepassing类给我写一个gcn

Message Passing (MP) 算法是一种用于图神经网络（Graph Convolutional Networks, GNNs）的常用技术，它通过节点间的通信更新节点特征。在这个背景下，GCN通常指的是Graph Convolutional Layer，其核心思想是在邻居信息的基础上对节点特征进行卷积操作。以下是基于Python的PyTorch库实现的一个简单的GCN层示例：

import torch
from torch_geometric.nn import GCNConv

class GraphConvolutionModule(torch.nn.Module):
    def __init__(self, in_channels, out_channels):
        super(GraphConvolutionModule, self).__init__()
        self.conv = GCNConv(in_channels, out_channels)

    def forward(self, x, edge_index):
        # x: [num_nodes, in_channels] 输入节点特征
        # edge_index: [2, num_edges] 邻接矩阵表示的边索引
        h = self.conv(x, edge_index)  # 进行一次GCN卷积
        return h  # 返回更新后的节点特征

# 使用例子
model = GraphConvolutionModule(16, 8)  # 假设输入和输出通道分别为16和8
x = torch.randn(100, 16)  # 100个节点的输入特征
edge_index = torch.tensor([[0, 1, 2], [1, 2, 3]])  # 示例邻接矩阵
output = model(x, edge_index)