gcn拳击俱乐部代码

似乎存在一些混淆。通常情况下，“拳击俱乐部”并不是与GCN（图卷积网络）相关的概念[^1]。然而，如果意图是探索基于图结构的数据集上的GCN应用，可以考虑使用`torch_geometric.datasets.KarateClub`作为示例数据集来展示如何实现GCN模型。

下面是一个简单的例子，展示了如何利用PyTorch Geometric库中的Karate Club数据集构建并训练一个基本的GCN模型：

import torch
from torch.nn import Linear, ReLU, Dropout
from torch_geometric.nn import GCNConv
from torch_geometric.datasets import KarateClub
from torch_geometric.loader import DataLoader

class SimpleGCN(torch.nn.Module):
    def __init__(self):
        super(SimpleGCN, self).__init__()
        self.conv1 = GCNConv(dataset.num_features, 16)
        self.conv2 = GCNConv(16, dataset.num_classes)

    def forward(self, data):
        x, edge_index = data.x, data.edge_index
        
        x = self.conv1(x, edge_index)
        x = ReLU()(x)
        x = Dropout(p=0.5)(x)
        
        x = self.conv2(x, edge_index)
        return torch.log_softmax(x, dim=1)


dataset = KarateClub()
device = 'cuda' if torch.cuda.is_available() else 'cpu'
model = SimpleGCN().to(device)
data = dataset[0].to(device)

optimizer = torch.optim.Adam(model.parameters(), lr=0.01, weight_decay=5e-4)

model.train()
for epoch in range(200):
    optimizer.zero_grad()
    out = model(data)
    loss = torch.nn.functional.nll_loss(out[data.train_mask], data.y[data.train_mask])
    loss.backward()
    optimizer.step()

print("Training finished.")

这段代码定义了一个两层的GCN模型，并在一个小型的社会网络——即著名的Zachary's karate club上进行了训练。需要注意的是，这里使用的“karate club”是指社会学研究中常用的一个经典社交网络案例，而不是体育活动意义上的“拳击俱乐部”。