本地运行PyG图神经网络遇InvalidArgumentError问题求助

使用torch_geometric构建图神经网络，代码在虚拟环境可正常运行，但本地环境执行训练流程时出错。遍历train_loader阶段抛出错误：

InvalidArgumentError: Cannot convert a Tensor of dtype variant to a NumPy array

已确认TensorFlow张量转PyTorch张量的预处理逻辑无问题，本地Python版本为3.8.10（与Google Colab一致）。以下是本地与Colab的核心依赖差异，寻求环境层面的修复方案：

本地核心依赖 #

numpy==1.24.1
tensorflow==2.11.0
torch==1.13.1（CPU版本）
torch-geometric==2.2.0
torch-cluster==1.6.0+pt113cpu
torch-scatter==2.1.0+pt113cpu
torch-sparse==0.6.16+pt113cpu
torch-spline-conv==1.2.1+pt113cpu

Google Colab核心依赖 #

numpy==1.21.6
tensorflow==2.9.2
torch==1.13.1+cu116（CUDA版本）
torch_geometric（适配torch-1.13.0+cu116版本）

1. 回退numpy版本至1.21.6
   numpy 1.24.x对张量类型转换的兼容性逻辑有调整，容易触发dtype variant转换错误。执行以下命令降级：

pip install numpy==1.21.6 --force-reinstall

2. 对齐TensorFlow版本到2.9.2
   TensorFlow 2.11.0与PyTorch 1.13.1的交互存在潜在冲突，降级到Colab使用的2.9.2版本：

pip install tensorflow==2.9.2 --force-reinstall

3. 统一PyTorch与PyG的CUDA/CPU版本
   本地使用CPU版PyTorch，而Colab用CUDA版，若本地有NVIDIA显卡，建议切换到CUDA版本以匹配Colab环境：

• 先卸载现有CPU版组件：

  pip uninstall -y torch torch-cluster torch-scatter torch-sparse torch-spline-conv torch-geometric
  

• 安装CUDA 11.6版本的PyTorch及匹配的PyG依赖（根据本地显卡支持的CUDA版本调整）：

  pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116
  pip install torch-geometric torch-cluster torch-scatter torch-sparse torch-spline-conv -f https://data.pyg.org/whl/torch-1.13.0+cu116.html
  

• 若无显卡，保留CPU版，但完成前两步版本回退后，建议重新安装PyG组件以确保版本兼容：

  pip uninstall -y torch-geometric torch-cluster torch-scatter torch-sparse torch-spline-conv
  pip install torch-geometric torch-cluster torch-scatter torch-sparse torch-spline-conv -f https://data.pyg.org/whl/torch-1.13.0+cpu.html
  

4. 移除潜在冲突依赖
   本地环境中的ray==2.2.0可能与PyTorch/TensorFlow存在依赖冲突，建议临时卸载后测试：

pip uninstall -y ray

内容的提问来源于stack exchange，提问作者playerJX1