PyTorch实现GraphSAGE：图神经网络的新里程碑

GraphSAGE（Graph Sample and Aggregated）是一种用于图神经网络的节点嵌入方法，能够学习出节点的低维度表示向量。本文将使用PyTorch框架，详细介绍如何实现GraphSAGE，并展示其在节点分类任务上的应用。

1. 引言

图神经网络是近年来兴起的一类深度学习模型，用于处理图结构化数据。GraphSAGE是其中一种重要的图神经网络模型，它通过采样和聚合的方式，从邻居节点中获得丰富的局部信息，并将其编码成节点的低维度表示向量。

在本文中，我们将使用PyTorch框架实现GraphSAGE，并以节点分类任务作为示例来评估该模型的性能。

2. 数据准备

首先，我们需要准备一个图数据集。我们将使用Cora数据集作为示例，这是一个常用的图数据集，包含了2708个科学出版物的引用关系。

import torch
from torch_geometric.datasets import Planetoid

dataset