GCN的PyTorch实现

GC（Graph Convolutional Network）是一种用于图数据的深度学习模型，它可以用于节点分类、图分类和链接预测等任务。下面是GCN的PyTorch实现示例代码：

import torch
import torch.nn as nn
import torch.nn.functional as F
from torch_geometric.nn import GCNConv

class GCN(nn.Module):
    def __init__(self, in_features, hidden_features, out_features):
        super(GCN, self).__init__()
        self.conv1 = GCNConv(in_features, hidden_features)
        self.conv2 = GCNConv(hidden_features, out_features)

    def forward(self, x, edge_index):
        x = self.conv1(x, edge_index)
        x = F.relu(x)
        x = self.conv2(x, edge_index)
        return x

在这个示例代码中，GCN模型定义了两个GCNConv层，这是GCN的核心操作，用于更新节点的特征。通过调用forward方法，可以将节点特征x和边的索引edge_index作为输入，然后返回更新后的节点特征。