请总结一下图神经网络经典模型，如GCN,GAT,GIN，GIN等的优缺点及其算法实现的核心内容

图神经网络是一类针对图数据分析和处理的深度学习模型，它们可以对图中节点、边以及它们之间的关系进行建模，并进行分类、回归等任务。其中，常见的经典图神经网络模型包括GCN，GAT，GIN，以及GIN等。

1. GCN (Graph Convolutional Network)：这是一种基于卷积运算的图神经网络，它通过卷积操作对图上节点特征进行转换，并通过多层GCN模型堆叠以抽取图数据的多层特征。GCN的优点在于简单、高效，缺点是它对图结构信息的利用有限。

2. GAT (Graph Attention Network)：这是一种基于注意力机制的图神经网络，它通过加权平均注意力机制对图上节点特征进行转换，并通过多层GAT模型堆叠以抽取图数据的多层特征。GAT的优点在于能够更好地利用图结构信息，缺点是计算代价较大。

3. GIN (Graph Isomorphism Network)：这是一种基于完全图卷积的图神经网络，它通过将图上节点的特征表示转换为图的一个完全图卷积，从而得到图数据的多层特征表示。