Pytorch Geometric超图卷积训练时索引越界错误如何解决？

问题根源 #

报错指向的是节点索引越界，原因是你所用的康奈尔Amazon Review超图数据集的节点ID采用1-based计数规则，而PyTorch张量的索引是0-based规则：节点总数为2268264时，合法的索引范围为0~2268263，但超边中存在值为2268264的节点ID，访问时直接超出张量维度边界。

修复方案 #

按以下步骤修改代码即可：

1. 修正超边节点ID的计数规则
   读取超边时将所有节点ID减1，对齐0-based索引要求，修改以下代码段：

with open(folder + hyperedge_files) as f:
    for line in f.readlines():
        chunks = line.split(',')
        # 原代码：chunks = [int(i) for i in chunks]
        chunks = [int(i)-1 for i in chunks] # 新增减1操作，转换为0-based索引
        hyper_edge.append(chunks)

2. 修正标签张量类型
   损失函数F.nll_loss要求输入的标签为torch.long类型，你当前使用的torch.int会触发后续类型报错，同步修改：

# 原代码：Y = torch.tensor(labels, dtype=torch.int)
Y = torch.tensor(labels, dtype=torch.long)

3. （可选优化）你当前使用全0作为节点特征，会导致无偏置的卷积层无法学习到有效特征，可替换为全1常量特征：

x = np.ones((len(nodes), 2), dtype=np.float32)
X = torch.tensor(x, dtype=torch.float)

修改完成后重新运行即可正常训练。

内容的提问来源于stack exchange，提问作者Astra Uvarova - Saturn's star