时间序列预测与图神经网络 | Pytorch实现GCN时间序列预测

开始学习GCN(图卷积神经网络)，以下为记录的部分过程和个人总结。
01数据准备
本次使用的数据为深圳市的出租车轨迹数据，第一部分为156156邻接矩阵，描述道路之间的空间关系，每一行代表一条道路，矩阵中的值代表道路之间的连通性，第二部分数据为2976156特征矩阵，描述每条道路的速度随时间的变化，每一行代表一条道路，每一列代表为不同时间段的交通速度（每15min统计一次）。

结合我们之前的流程总结：

数据准备部分，需要构造自己的数据集，通过继承Dataset类实现，继承Dataset类实现批次加载数据，参考程序如下：

import torch
from torch.utils.data import