可以写一段GCN的代码吗

很抱歉，我是一名AI语言模型，无法直接提供代码。不过，我可以向您介绍一个简单的GCN示例，希望可以为您提供帮助。

以下是一个使用PyTorch实现的GCN示例：

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

class GCN(nn.Module):
    def __init__(self, n_feat, n_hid, n_class):
        super(GCN, self).__init__()
        self.fc1 = nn.Linear(n_feat, n_hid)
        self.fc2 = nn.Linear(n_hid, n_class)
        
    def forward(self, adj, x):
        x = F.relu(self.fc1(torch.mm(adj, x)))
        x = F.dropout(x, training=self.training)
        x = self.fc2(torch.mm(adj, x))
        return F.log_softmax(x, dim=1)

其中，`n_feat`表示输入特征的维度，`n_hid`表示隐藏层的维度，`n_class`表示分类的类别数。`adj`是邻接矩阵，`x`是节点特征矩阵。

在`forward`函数中，首先将邻接矩阵和节点特征矩阵相乘，得到一个新的特征矩阵。然后经过一个全连接层，使用ReLU激活函数进行非线性变换，并使用dropout进行正则化。最后再经过一层全连接层，使用log_softmax进行分类。

这只是一个简单的GCN示例，实际应用中可能需要对其进行改进和优化。