sxl的博客

问题原因：在使用torch_geometric.datasets和torch_geometric.data下载数据集时，如果是直接复制别人的数据集，可能一起上传上去的还有processed文件下的pt文件，由于pytorch/torch_geometric版本不一致导致解析失败。解决方案：删除processed目录。

如果pytorch_geometric中的softmax函数报错，声明一下num_nodes变量即可。

TypeError: can’t convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor  在报错的变量后面加.cuda().data.cpu().numpy()即可解决

  在使用Pytorch时报了RuntimeError: expected dtype Double but got dtype Float这个错误，仔细一查才发现是数据类型的问题。在处理数据时有时会用到numpy模块，处理完数据后为了加速计算然后转为tensor，用torch的计算方式进行运算。一运行结果发现报错了，报错的原因在于，numpy默认的数据类型是float64，而torch.tensor初始化默认的类型是float32，所以才会出现上面的报错原因。  所以在使用numpy处理数据后在转换te

  我们在用pytorch查找矩阵中不为0元素索引时，会用到nonzero方法。但用这个方法时会报警告。其实使我们在python中用习惯了，没用注意到pytorch的语法。改正如下m = torch.ones((3, 4))print(m)row = torch.nonzero(m)[:, 0]columns = torch.nonzero(m)[:, 1]m[row, columns] = 0print(m)# 以上的用法会报警告，正确使用方法如下row = torch.nonzero(m

详细的警告如下：  UserWarning: To copy construct from a tensor, it is recommended to use sourceTensor.clone().detach() or sourceTensor.clone().detach().requires_grad_(True), rather than torch.tensor(sourceTensor).feature = torch.tensor( , dtype=torch.float32)

[1]https://blog.csdn.net/shangxiaqiusuo1/article/details/95749684

安装torch-sparse

  最近在学习图神经网络需要用到geometric_torch结果怎么装都装不上。查阅了各种资料尝试了各种方法，有的说是因为visual c++ build tools没有安装博客链接，有的说升级conda就是使用命令行，甚至还有的说卸载pytorch重装命令行如下：conda update # 升级conda所有的包# 使用conda装的用它conda uninstall pytorchconda uninstall libtorch# 使用pip装的用它pip uninstall to

  在重装了anconda之后发现无法用cmd打开jupyter notebook了，报的错误如下图：  处理方法： 在环境中添加D:\LenovoSoftstore\Anconda\Library\bin就OK了。

参考

  安装tensorflow需要注意python版本跟tensorflow版本号对应的问题。这个问题出现的原因就是版本号没有对应起来，下面是具体的版本python跟tensorflows对应表，常用的是tensorflow1.4.0因为这个版本在工业上比较稳定。...

  使用tensorFlow时报错FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy…  报错原因主要是环境安装的numpy1-17-0版本过高，使用numpy-1.16-0版本即可，解决方法：重新安装numpy-1.16-0，命令行如下：pip install numpy==1.16.0参考文献[1]tensflow报错原因..