我们提出了一种新的贝叶斯非参数方法，用于在非欧几里得域上学习平移不变关系。所得到的图卷积高斯过程可以应用于机器学习中输入观测值为一般图域上的函数的问题。这些模型的结构允许处理高维输入，同时保持了表达能力，类似于卷积神经网络。我们展示了图卷积高斯过程在图像和三角网格上的应用，证明了其多样性和有效性，并且尽管模型相对简单，但其性能与现有方法相当甚至更优。