adj_matrix=torch.tensor(adj_matrix)报错：TypeError: sparse matrix length is ambiguous; use getnnz() or shape[0]

这个错误提示意味着您的`adj_matrix`是一个稀疏矩阵，而`torch.tensor()`函数无法正确地获取稀疏矩阵的长度。因此，可以使用`torch.sparse_coo_tensor()`函数将稀疏矩阵转换为COO格式的稀疏张量，然后再将其转换为稠密张量，如下所示：

import torch

# 假设adj_matrix是一个稀疏矩阵
adj_matrix = ... 

# 将稀疏矩阵转换为COO格式的稀疏张量
adj_tensor = torch.sparse_coo_tensor(
    indices=torch.LongTensor([adj_matrix.row, adj_matrix.col]),
    values=torch.FloatTensor(adj_matrix.data),
    size=adj_matrix.shape
)

# 将稀疏张量转换为稠密张量
adj_matrix_dense = adj_tensor.to_dense()

# 现在可以将adj_matrix_dense用作GCN模型的邻接矩阵了

在上述代码中，我们首先使用`torch.sparse_coo_tensor()`函数将稀疏矩阵`adj_matrix`转换为COO格式的稀疏张量`adj_tensor`。然后，使用`to_dense()`函数将稀疏张量转换为稠密张量`adj_matrix_dense`。最终，`adj_matrix_dense`可以作为GCN模型的邻接矩阵。