import?dgl
import?torch?as?th
import?torch.nn?as?nn
import?dgl.function?as?fn
import?torch.nn.functional?as?F
from?dgl?import?DGLGraph
import?os

gcn_msg?=?fn.copy_src（src=‘h‘?out=‘m‘）

gcn_reduce?=?fn.sum（msg=‘m‘?out=‘h‘）


class?NodeApplyModule（nn.Module）:
????def?__init__（self?in_feats?out_feats?activation）:
????????super（NodeApplyModule?self）.__init__（）
????????self.linear?=?nn.Linear（in_feats?out_feats）
????????self.activation?=?activation

????def?forward（self?node）:
????????h?=?self.linear（node.data[‘h‘]）
????????h?=?self.activation（h）
????????return?{‘h‘:?h}


class?GCN（nn.Module）:
????def?__init__（self?in_feats?out_feats?activation）:
????????super（GCN?self）.__init__（）
????????self.apply_mod?=?NodeApplyModule（in_feats?out_feats?activation）

????def?forward（self?g?feature）:
????????g.ndata[‘h‘]?=?feature
????????g.update_all（gcn_msg?gcn_reduce）
????????g.apply_nodes（func=self.apply_mod）
????????return?g.ndata.pop（‘h‘）


class?Net（nn.Module）:
????def?__init__（self）:
????????super（Net?self）.__init__（）
????????self.gcn1?=?GCN（1433?16?F.relu）
????????self.gcn2?=?GCN（16?7?F.relu）

????def?forward（self?g?features）:
????????x?=?self.gcn1（g?features）
????????x?=?self.gcn2（g?x）
????????return?x

GCnet?=?Net（）

print（GCnet）


from?dgl.data?import?citat