Traceback (most recent call last): File "E:/403/myworld/VGAE/trainTest.py", line 115, in <module> train(model, optimizer, dataBase, device) File "E:/403/myworld/VGAE/trainTest.py", line 52, in train for index,adj,features,labels in train_loader: File "E:/403/myworld/VGAE/trainTest.py", line 95, in __next__ adj_matrix = graph.adjacency_matrix().to_dense() File "D:\code\myworld\lib\site-packages\dgl\heterograph.py", line 3759, in adjacency_matrix return self.adj(etype) File "D:\code\myworld\lib\site-packages\dgl\heterograph.py", line 3821, in adj from .sparse import spmatrix File "D:\code\myworld\lib\site-packages\dgl\sparse\__init__.py", line 43, in <module> load_dgl_sparse() File "D:\code\myworld\lib\site-packages\dgl\sparse\__init__.py", line 35, in load_dgl_sparse raise FileNotFoundError(f"Cannot find DGL C++ sparse library at {path}") FileNotFoundError: Cannot find DGL C++ sparse library at D:\code\myworld\lib\site-packages\dgl\dgl_sparse\dgl_sparse_pytorch_2.0.1.dll

这个错误通常是由于 DGL C++ sparse 库没有正确安装或者版本不匹配导致的。建议您检查以下几个方面：

1. 检查您的环境是否已经安装了 DGL C++ sparse 库，并且版本是否匹配。

2. 如果您是通过 pip 安装的 DGL，请考虑重新安装该库，可能会解决问题。

3. 如果您是从源代码编译安装 DGL，请确保您已经正确编译了 C++ sparse 库，并且将其正确链接到 Python 库中。

如果您仍然无法解决问题，请提供更多详细信息，例如您的操作系统、Python 版本、DGL 版本等，以便我们更好地帮助您解决问题。

相关问题

Traceback (most recent call last): File "E:/403/myworld/VGAE/trainTest.py", line 127, in <module> train(model, optimizer, dataBase, device) File "E:/403/myworld/VGAE/trainTest.py", line 55, in train for index,adj,features,labels in train_loader: File "E:/403/myworld/VGAE/trainTest.py", line 105, in __next__ graph,label = self.graphs[self.current],self.labels["labels"][self.current] TypeError: tuple indices must be integers or slices, not str

这个错误提示表示你尝试使用一个字符串作为元组的索引，而元组的索引只能是整数或切片。具体来说，可能是在你的代码中使用了一个字符串作为索引，而实际上需要使用整数或切片。

根据你提供的代码，可能是在train_loader中的__next__方法中，尝试使用了一个字符串作为索引，如下所示：

graph,label = self.graphs[self.current], self.labels["labels"][self.current]

这里的self.labels["labels"]是一个字符串，需要将其替换为整数或切片，具体根据你的数据格式来决定。如果你的标签是一个整数或列表，可以尝试将其替换为以下代码：

graph, label = self.graphs[self.current], self.labels[self.current]

如果你的标签是一个字典，需要根据字典的结构来进行索引。例如，如果你的标签字典的结构如下：

labels = {"node_labels": [1, 2, 3, 4, 5], "edge_labels": [1, 2, 3, 4]}

则可以使用以下代码进行索引：

graph, node_label = self.graphs[self.current], self.labels["node_labels"][self.current]

希望这能帮助你解决问题。

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。