Traceback (most recent call last): File "E:/403/myworld/VGAE/trainTest.py", line 116, in <module> train(model, optimizer, dataBase, device) File "E:/403/myworld/VGAE/trainTest.py", line 57, in train loss = loss_function(output, labels, mu, logvar, adj) File "E:/403/myworld/VGAE/trainTest.py", line 41, in loss_function recon_loss = criterion(output.view(-1), torch.from_numpy(adj).view(-1))# 重构误差 TypeError: expected np.ndarray (got csr_array)

根据错误提示，`criterion`期望接收一个NumPy数组作为输入，但是您传递给它的是一个`csr_matrix`类型的稀疏矩阵对象`adj`。因此，您需要将`csr_matrix`类型的稀疏矩阵对象转换为NumPy数组。

可以使用`toarray()`方法将稀疏矩阵转换为稠密矩阵，然后使用`.view(-1)`方法将二维矩阵转换为一维向量：

import torch
import dgl
import numpy as np
from scipy.sparse import csr_matrix

with open('graph.bin', 'rb') as f:
    graph_data = np.load(f, allow_pickle=True)

graph = dgl.graph((graph_data['edge_index'][0], graph_data['edge_index'][1]))
adj = csr_matrix((graph_data['adjacency_matrix'] != 0).astype(np.float32)) # 转换为csr_matrix类型

model = MyModel()
output = model(graph)

criterion = torch.nn.BCEWithLogitsLoss()
recon_loss = criterion(output.view(-1), torch.from_numpy(adj.toarray()).view(-1)) # 转换为NumPy数组

在上述示例代码中，我们使用`csr_matrix`类型将邻接矩阵转换为稀疏矩阵。然后，我们使用`toarray()`方法将稀疏矩阵转换为稠密矩阵，最后使用`.view(-1)`方法将二维矩阵转换为一维向量。最终，我们将转换后的NumPy数组传递给损失函数`criterion`进行计算。