我检查了一下，有个包导入的不一样，您的是import dgl.nn as dglnn，我写成了
import dgl.nn.pytorch as dglnn，我本来想出结果再回复您，但获取数据有点慢，还在等。
另外，还有两个问题：
老师，我又跑了一遍，还是那样的报错，确定是完全一样的操作
这里是如我在 notebook 里解释的哈，让异构的边能在同构图的 GraphSAGE 跑起来，我没有选择更合适的复杂的模型，图省事儿这么处理了，这样 bit 编码就保有了三类边的信息进去，并且后边作为边的 weight，这个选择其实很拧巴，知识比较好跑通罢了，不要被我影响了哈 
就是这个意思哈
你可以换成其他的试试，gcn/pool/lstm，相应 update_all 的部分要把这个边的三个类型信息考虑进去哈，我之前只用了 mean
老师，您看我这么理解对吗：
GraphSage默认针对同构图，且边无 feature 的算法，您的这个例子中，是加入了edge feature(也就是那个he)，因为有了边特征he之后不能用官方原始的GraphSage代码，所以您把边参数作为了边权重，以mean去聚合。
那如果我想换个数据集，也有3类边，但是边上有5个属性，可以用这个代码吗？是不是只需要改下面这部分就行：
嗯嗯，是 dgl 上的 GraphSage 没有算边上的 feature，如果你也用 mean 的话，改这里 update_all 应该就行哈，不过效果还是要自己评估一下如何 
老师，这个问题我找到原因了，MF.accuracy中需要指定个task，我设置为binary，然后运行，提示说y_hats有两列，但是ys有一列，然后又在model[blocks,x]后面加了个[:,1]:
欢迎来项目 repo PR 增加你的贡献
给你点赞
谢谢老师！
OKOK
此话题已在最后回复的 7 天后被自动关闭。不再允许新回复。
