写一段图神经网络节点分类代码

以下是一段简单的图神经网络节点分类代码：

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_channels, num_classes):
super(GCN, self).__init__()
self.conv1 = GCNConv(num_features, hidden_channels)
self.conv2 = GCNConv(hidden_channels, num_classes)

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

其中，num_features 表示节点特征的维度，hidden_channels 表示隐藏层的维度，num_classes 表示分类的类别数。edge_index 是一个大小为 2xM 的张量，表示图中的边，其中 M 表示边的数量。x 是一个大小为 N x num_features 的张量，表示图中 N 个节点的特征。