运行MoleculeNet加载ESOL数据集报错，root参数含义及排查求助

先明确root参数的作用 #

root是数据集的存储根目录，MoleculeNet会自动在这个目录下创建对应数据集的子文件夹（比如ESOL对应esol文件夹），用来存放下载的原始数据、处理后的缓存文件（比如报错里的data.pkl）。你传.就是指当前工作目录，所以它会在当前目录生成esol文件夹。

报错原因及解决步骤 #

出现PytorchStreamReader failed locating file data.pkl，大概率是之前的缓存文件损坏、下载不完整，或者手动上传的文件和MoleculeNet预期格式不匹配。按以下步骤操作：

• 清理旧的损坏缓存
  先删掉已有的esol文件夹，Colab里用命令行执行：

  !rm -rf ./esol
  

  彻底清除之前下载失败或损坏的文件。

• 确保依赖库版本兼容
  版本不匹配也可能导致数据处理出错，Colab里重新安装适配的依赖：

  !pip install rdkit-pypi torch-geometric torch-scatter torch-sparse torch-cluster torch-spline-conv -f https://data.pyg.org/whl/torch-2.0.0+cu118.html
  

  注：上述链接适配PyTorch 2.0+CUDA118，若你的PyTorch版本不同，替换成对应版本的torch_geometric安装链接即可。

• 重新加载数据集
  清理完成后，重新运行加载代码：

  import rdkit
  from torch_geometric.datasets import MoleculeNet
  
  # Load the ESOL dataset
  data = MoleculeNet(root=".", name="ESOL")
  data
  

  这次MoleculeNet会重新下载原始数据并自动处理生成缓存文件，不会再出现找不到data.pkl的问题。

• 不要手动上传CSV文件
  MoleculeNet类会自动下载并处理原始数据，你手动上传的CSV格式和它预期的处理后格式不匹配，才会出现类不匹配的问题，完全不需要手动上传，让库自行处理即可。

额外提示 #

如果还是报错，用!pwd查看Colab当前工作目录，确认root参数指向的路径正确，不过默认用.就没问题，只要清理旧文件夹后重新下载即可。

内容的提问来源于stack exchange，提问作者joe doe