PyTorch与PyG实现图卷积网络（GCN）

图卷积网络（Graph Convolutional Network，简称GCN）是一种能够处理图数据的深度学习模型。在本文中，我们将使用PyTorch和PyG（PyTorch Geometric）库来实现GCN，并展示如何在图数据上进行节点分类任务。

GCN的基本原理是通过在图上进行卷积操作来捕捉节点和其邻居节点之间的关系。算法使用节点的特征向量和邻居节点的特征向量来更新节点的表示。在每一层的卷积中，GCN会聚合邻居节点的特征并将其与目标节点的特征进行组合。

接下来，我们将从数据准备、GCN模型定义和训练过程三个方面介绍如何使用PyTorch和PyG来实现GCN。

1. 数据准备
   首先，我们需要准备图数据。PyG提供了多种常见的图数据集，如Cora、CiteSeer和PubMed等。这些数据集包含节点的特征向量、边的信息以及节点的标签。我们可以使用PyG的API加载和处理这些数据集。

import torch
from torch_geometric.datasets import Planetoid
from</