如何提取DGL生成的PyTorch稀疏COO张量的索引与值？求新手教程

1. 正确的提取方法 #

你遇到的问题是因为PyTorch不同版本对稀疏张量属性的访问方式有区别，针对DGL返回的torch.sparse_coo张量，正确的提取方式分两种情况：

• PyTorch 1.10及以上版本：直接通过属性访问

  # 提取邻接矩阵的索引（形状为(2, nnz)，对应行、列索引）
  indices = adjM.indices
  # 提取邻接矩阵的非零值
  values = adjM.values
  

• PyTorch 1.9及更早版本：需要调用下划线开头的方法

  indices = adjM._indices()
  values = adjM._values()
  

测试你的示例张量，执行后indices会得到tensor([[0, 0, 0, 1], [1, 2, 3, 3]])，values会得到tensor([1., 1., 1., 1.])，完全匹配你的需求。

2. 面向新手的相关教程 #

• DGL官方入门教程：从图的创建、基本属性查询到邻接矩阵操作都有分步讲解，能快速熟悉DGL的核心用法
• PyTorch官方稀疏张量指南：详细讲解COO等稀疏张量的结构、属性和常用操作，帮你理解稀疏张量的底层逻辑
• 国内深度学习社区的图文教程：很多平台有针对DGL新手的实战教程，用中文讲解图神经网络基础操作，更容易上手

内容的提问来源于stack exchange，提问作者pyano