Graph-based Point Cloud Networks (GPN)是一个基于PyTorch和PyTorch Geometric构建的综合性3D点云分类框架，专注于探索图神经网络在3D物体识别中的应用效果。该项目采用Python 3.8+开发，集成了k-NN、Gabriel Graph、RNG三种图构建方法，实现了GCN、GAT、GIN、EdgeConv、MR五种主流图神经网络架构，并在ModelNet10/40、ScanObjectNN、ShapeNet-Skeleton等标准数据集上进行了全面的对比实验。框架采用YAML配置驱动的模块化设计，支持灵活的实验配置和批量测试，集成TensorBoard进行训练监控，提供包括准确率、吞吐量、FLOPs、参数量在内的多维度性能评估。实验结果表明EdgeConv架构在所有配置下均表现最优，Gabriel图构建方法普遍优于k-NN方法，为3D点云分析研究提供了标准化的实验平台和重要的技术洞察。