GNNpython代码实例

GNN（图神经网络）是一种深度学习模型，用于处理图数据，比如社交网络、化学分子等。在Python中，常见的库如PyTorch Geometric (PyG) 和 DGL（Dgl-Life）提供了丰富的GNN实现。

这里是一个简单的例子，使用PyTorch Geometric来创建一个基本的图卷积神经网络(GCN)：

import torch
from torch_geometric.nn import GCNConv

# 假设我们有如下图数据结构（节点特征x，边列表edge_index）
num_nodes = 5
node_features = torch.randn(num_nodes, 16)  # 随机生成16维特征
edge_index = torch.tensor([[0, 1, 1, 2, 2, 3], [1, 2, 3, 4, 0, 4]])  # 无向边

class SimpleGCN(torch.nn.Module):
    def __init__(self):
        super(SimpleGCN, self).__init__()
        self.conv1 = GCNConv(16, 8)

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

model = SimpleGCN()
output = model(node_features, edge_index)

在这个例子中，`GCNConv`是一个图卷积层，它将输入的节点特征通过邻居节点的信息进行聚合。`forward`函数实现了整个前向传播过程。