图卷积网络（GCNs）是一种强大的深度学习方法，适用于图结构数据。近年来，GCNs及其后续变体在现实世界数据集的各种应用领域中表现出色。尽管取得了成功，但大多数当前的GCN模型仍然较浅，这是由于{\em 过平滑}问题所致。本文研究了设计和分析深层图卷积网络的问题。我们提出了GCNII，即通过两种简单而有效的方法对原始GCN模型进行扩展：{\em 初始残差}和{\em 恒等映射}。我们提供了理论和实验证据，证明这两种技术可以有效地缓解过平滑问题。实验结果表明，深层的GCNII模型在各种半监督和全监督任务上均优于现有最先进方法。代码可在https://github.com/chennnM/GCNII 获取。