将图结构转换矩阵数据转换为PyTorch支持的张量类型时，出现错误AttributeError ‘Tensor‘ object has no attribute ‘todense‘

将图结构转换矩阵数据转换为PyTorch支持的张量类型时，出现错误AttributeError: ‘Tensor’ object has no attribute ‘todense’

实例来源于《PyTorch深度学习和图神经网络 卷1》实例26：用图卷积神经网络为论文分类

出错部分p284页

原代码：

#将数据转为张量，并分配运算资源
adj = torch.FloatTensor(adj.todense())#节点间的关系
features = torch.FloatTensor(features.todense())#节点自身的特征
labels = torch.LongTensor(labels)#每个节点分类标签

#划分数据集
n_train = 200
n_val = 300
n_text = len(features) -n_train - n_val
np.random.seed(34)
idxs = np.random.permutation(len(features))#将索引打乱顺序

#计算每一个数据集的索引
idx_train = torch.LongTensor(idxs[:n_train])
idx_val = torch.LongTensor(idxs[n_train:n_train+n_val])
idx_test = torch.LongTensor(idxs[n_train+n_val:])

#分配运算资源
adj = adj.to(device)
features = features.to(device)
labels = labels.to(device)
idx_train = idx_train.to(device)
idx_val = idx_val.to(device)
idx_test = idx_test.to(device)

错误提示：

AttributeError                            Traceback (most recent call last)
Cell In[21], line 2
      1 #将数据转为张量，并分配运算资源
----> 2 adj = torch.FloatTensor(adj.todense())#节点间的关系
      3 features = torch.FloatTensor(features.todense())#节点自身的特征
      4 labels = torch.LongTensor(labels)#每个节点分类标签

AttributeError: 'Tensor' object has no attribute 'todense'

​ 找了一圈没有一样的解决方案，但是在其他问题” module ‘tensorflow’ has no attribute ‘sparse_to_dense’ “的描述中发现了to_dense这样的写法，就查了一下PyTorch文档，发现可能是更新了，确实得写to_dense。

改一下：

adj = torch.FloatTensor(adj.to_dense())#节点间的关系
features = torch.FloatTensor(features.to_dense())#节点自身的特征

顺利运行！