日常复现模型，打开日志文件，测试误差部分满屏幕的报错，没截图，大意是：模型输出有空值，无法计算fmax和aupr
然后因为是服务器上跑，不知道怎么启动调试模式，只能使用print大法打出中间变量。类似这个样子：
h_output_ = torch.matmul(self.origin_adj.transpose(0, 1) * self.out_adj_matrix, h_)
# print(5, torch.isnan(self.origin_adj).any())
# print(6, torch.isnan(self.out_adj_matrix).any())
# print(7, torch.isnan(h_).any())
out_ = h_output_ + self.out_edge_bias
# print(8, torch.isnan(out_).any())
out_gate_ = torch.matmul(h_, self.out_gate_weight)
# print(9, torch.isnan(out_gate_).any())
# print(12, self.out_bias_gate)
out_gate_ = out_gate_ + self.out_bias_gate
# print(10, torch.isnan(out_gate_).any())
# print(11, torch.isnan(self.out_bias_gate).any())最后定位到是self.out_bias_gate里面有空值：
往回查，发现这个参数只定义了，没有初始化：
self.out_bias_gate = Parameter(torch.Tensor(num_nodes, 1))初始化之后，问题解决：
for param in [self.edge_bias, self.out_edge_bias, self.bias_gate, self.out_bias_gate]:
nn.init.zeros_(param)但问题依旧不少：首先，用这个模型训练了两个数据集，但是前一个没有问题，到这个就报值为空的错误。其次，在打印中间变量的时候，出现过一次什么都没有改，但是程序成功跑起来了的情况。最后，在一开始debug的时候，为了缩短训练时间，强制将一个epoch的迭代次数设置为10，最后程序也是成功跑起来了。
炼丹果然是一门玄学。
===============更新==============
思来想去，对于第一个问题，两个数据集一个可以成功跑起来一个不能。而这两个模型在定义self.out_bias_gate的时候，只有一个值是不一样的：num_nodes
于是乎我进行了一个简单的实验，得到的结果让人哭笑不得：
?玄学，果然是玄学
