PyTorch Geometric加载Planetoid数据集时的NumPy类型错误解析

问题背景

在使用PyTorch Geometric（简称PyG）加载Planetoid数据集（如Cora）时，开发者可能会遇到一个与NumPy相关的类型错误。具体表现为当尝试执行Planetoid('./data/Cora', name='Cora')时，系统抛出TypeError: expected np.ndarray (got matrix)异常。

错误分析

该错误发生在PyTorch Geometric的planetoid.py文件第113行，当代码尝试将NumPy数组转换为PyTorch张量时。核心问题在于NumPy的矩阵(matrix)类型与标准数组(ndarray)类型之间的不兼容性。

在较新版本的NumPy中，matrix类已被标记为不推荐使用(deprecated)，而PyTorch的torch.from_numpy()方法明确要求输入必须是标准的ndarray类型，不接受matrix类型。

解决方案

方案一：升级NumPy版本

从错误报告可以看出，当使用numpy-base==1.26.4时会出现此问题，而使用numpy==2.1.1则能正常工作。这表明：

1. 确保完全卸载旧版NumPy（包括numpy-base）
2. 安装最新版NumPy：pip install numpy --upgrade

方案二：修改PyTorch Geometric源代码

如果暂时无法升级NumPy，可以修改PyG的源代码：

# 修改前
out = out.todense() if hasattr(out, 'todense') else out
out = torch.from_numpy(out).to(torch.float)

# 修改后
out = out.todense() if hasattr(out, 'todense') else out
out = np.asarray(out)  # 确保转换为ndarray
out = torch.from_numpy(out).to(torch.float)

深入理解

NumPy矩阵与数组的区别

1. 矩阵(matrix)：

   • 专为线性代数操作设计
   • 始终是二维的
   • 使用*进行矩阵乘法

2. 数组(ndarray)：

   • 通用N维数组容器
   • 可以是任意维度
   • 使用@或np.dot()进行矩阵乘法

PyTorch的设计选择

PyTorch选择只支持标准ndarray类型的原因包括：

1. 简化接口设计
2. 矩阵操作可以通过张量操作实现
3. 避免维护两种不同数据类型的转换逻辑

最佳实践建议

1. 环境管理：

   • 使用虚拟环境隔离项目依赖
   • 优先使用pip安装PyTorch和PyG
   • 定期更新核心科学计算库

2. 兼容性检查：

   • 在代码中添加类型检查逻辑
   • 使用isinstance(obj, np.ndarray)验证输入类型

3. 错误处理：

   try:
       out = torch.from_numpy(out).to(torch.float)
   except TypeError:
       out = torch.from_numpy(np.asarray(out)).to(torch.float)
   

总结

这个问题的本质是科学计算生态系统中数据类型演进的兼容性问题。随着NumPy逐步淘汰matrix类型，相关库需要相应调整。对于PyTorch Geometric用户来说，最简单的解决方案是确保使用最新版的NumPy，这不仅能解决当前问题，还能获得更好的性能和更多新特性。