图卷积神经网络代码

这是一个简单的PyTorch中的图卷积神经网络代码示例，用于节点分类任务：

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

class GCN(torch.nn.Module):
    def __init__(self, num_features, hidden_size, num_classes):
        super(GCN, self).__init__()
        self.conv1 = GCNConv(num_features, hidden_size)
        self.conv2 = GCNConv(hidden_size, num_classes)

    def forward(self, x, edge_index):
        x = F.relu(self.conv1(x, edge_index))
        x = F.dropout(x, training=self.training)
        x = self.conv2(x, edge_index)
        return F.log_softmax(x, dim=1)

该模型具有两个GCNConv层，可以通过传递节点特征和边缘索引来进行前向传递。ReLU激活函数和dropout层用于提高泛化性能。最后，模型使用log softmax函数输出预测类别分布。