【几何深度学习（Geometric Deep Learning）】Graph Convolutional Network（GCN）实现示例

一个 完整、可跑通 的 Graph Convolutional Network（GCN）实现示例，使用 torch + torch_geometric。
代码从数据加载 → 模型定义 → 训练循环 → 验证/测试，到常用优化技巧与可视化等步骤都做了详细注释，方便你直接复制粘贴后跑起来，也可以作为参考模板在自己的项目里快速改造。

目标：节点分类（Cora 示例）
模型：2‑层 GCN + Dropout + BatchNorm
优化技巧：学习率调度、权重衰减、EarlyStopping、混合精度训练、GPU 多卡等

---

1. 环境准备

# 安装 PyTorch 和 torch_geometric（根据你的 CUDA 版本选择对应的 pip 包）
pip install torch torchvision torchaudio

# torch_geometric 依赖
pip install torch-scatter torch-sparse torch-cluster torch-spline-conv torch-geometric

提示：如果你使用的是 CPU 或者想要更快的安装，请参考

---

2. 数据集准备（Cora）

import