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’objecthasnoattribute‘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

我想知道在稀疏NumPy数组上使用.toarray()与.todense()是否有任何区别(优点/缺点)。例如，importscipyasspimportnumpyasnpsparse_m=sp.sparse.bsr_matrix(np.array([[1,0,0,0,1],[1,0,0,0,1]]))%timeitsparse_m.toarray()1000loops,bestof3:299µsperloop%timeitsparse_m.todense()1000loops,bestof3:305µsperloop 最佳答案 t