视觉问答任务是目前机器学习领域中较为热门的一个研究方向。在视觉问答中,研究人员采用注意力机制或者单个图神经网络来建模图片中物体的属性及其关系,从而引入推理信息。除此以外,研究人员为了在模型训练过程中引入多种推理信息,构建了多个图神经网络。然而随着更加复杂的视觉问答数据集的提出,数据集中的图片存在大量物体及其属性,问题呈现出组合式语言,同时图片中的物体与物体之间存在纷繁复杂的关系。因此,如何从具有众多属性及其复杂关系的不同物体中提取联合推理信息是视觉问答的关键挑战。现有方法通过构造多个同构图并基于图顺序传播来建模不同的同构图的关系,将缺少联合推理信息从而导致模型产生偏差。为了解决上述问题,本文提出图张量传播模型,利用张量技术提取多个图神经网络的联合推理信息。具体来说,本文根据图片中的物体和文本分别构造同构图并使用图注意力网络进行前向传播,最后引入图张量传播来组合多个图神经网络的结点,从而提供联合推理信息。为了与现有的关系推理模型和图顺序传播模型对比,并探索具有提取有效特征能力的图神经网络,本文在实验过程中实现了多种同构图的构造方式,进而使用图张量传播提取联合推理信息。实验验证了图张量传播在视觉问答数据集上的有效性,并且提供可视化实验。结合图嵌入向量和异构图的思想,本文对图张量传播模型进行了理论分析,并为模型的改进提出了建议。