PyTorch Geometric中Planetoid数据集加载问题的分析与解决

问题背景

在使用PyTorch Geometric(简称PyG)这一图神经网络框架时，许多开发者会遇到加载Planetoid数据集(Cora等)时出现的TypeError错误。这个错误通常表现为"expected np.ndarray (got matrix)"，特别是在使用conda和pip混合安装环境时更容易出现。

错误现象

当开发者尝试通过以下代码加载Cora数据集时：

from torch_geometric.datasets import Planetoid
ds = Planetoid('./data/Cora', name='Cora')

系统会抛出TypeError异常，提示期望得到numpy.ndarray类型但实际得到了matrix类型。这个错误发生在PyG内部的文件读取逻辑中，具体是在将稀疏矩阵转换为密集矩阵后尝试转换为PyTorch张量时。

根本原因分析

经过深入调查，发现这个问题主要与NumPy的版本兼容性有关。在出现问题的环境中，有以下关键特征：

1. 混合安装方式：通过conda安装PyTorch，而PyG及其相关组件通过pip安装
2. NumPy版本冲突：系统中同时存在numpy-base 1.26.4和numpy 2.1.1
3. 数据类型转换问题：scipy.sparse矩阵在转换为密集矩阵时保留了matrix类型而非ndarray

NumPy从1.x到2.x版本进行了重大更新，其中对矩阵类型的处理方式有所改变。在较新版本的NumPy中，matrix类型已被标记为不推荐使用，而PyTorch的from_numpy函数明确要求输入必须是ndarray类型。

解决方案

针对这个问题，开发者可以采取以下几种解决方案：

方案一：统一安装方式

建议完全通过pip或完全通过conda安装所有相关包，避免混合安装导致的版本冲突。特别是对于M1/M2芯片的Mac用户，可以尝试以下pip安装方式：

pip install torch torch-geometric torch-scatter torch-sparse

方案二：调整NumPy版本

确保系统中只有一个NumPy版本，并且版本号与PyTorch和PyG兼容。可以尝试：

conda uninstall numpy numpy-base
pip install numpy==2.1.1

方案三：修改PyG源代码

作为临时解决方案，可以修改PyG的planetoid.py文件，在转换前确保数据类型正确：

out = np.asarray(out.todense()) if hasattr(out, 'todense') else np.asarray(out)

预防措施

为了避免类似问题，建议开发者：

1. 创建干净的虚拟环境进行项目开发
2. 优先使用单一包管理工具(pip或conda)
3. 在安装PyG时注意查看官方文档的兼容性说明
4. 定期更新所有依赖包到兼容版本

总结

PyTorch Geometric作为图神经网络的重要框架，其数据加载模块对依赖库版本较为敏感。特别是在处理经典数据集如Planetoid时，NumPy版本冲突可能导致数据类型转换失败。通过统一安装环境、管理好版本依赖，开发者可以避免此类问题，顺利开展图神经网络的研究与开发工作。

对于使用Apple Silicon(M1/M2)的开发者也无需担心，虽然conda的PyG支持可能有限，但通过pip安装同样可以获得良好的使用体验。重要的是保持环境的一致性和依赖库的版本兼容性。