numpy库的求逆函数inv返回的数据类型无法更改？

起因是代码中有一步涉及矩阵求逆运算，如下：

adj = sp.coo_matrix((np.ones(edges.shape[0]), (edges[:, 0], edges[:, 1])),
                            shape=(one_hot_labels.shape[0], one_hot_labels.shape[0]),
                            dtype=np.float32)

        adj = adj + adj.T.multiply(adj.T > adj) - adj.multiply(adj.T > adj)
        eigen_adj = None
        if self.compute_s:
            eigen_adj = self.c * inv((sp.eye(adj.shape[0]) - (1 - self.c) * self.adj_normalize(adj)).toarray())

报错：

MemoryError X

Unable to allocate 28.5 GiB for an array with shape (61806, 61806) and data type float64

因为我的电脑只有16G内存，就想着把精度改成float32，但发现还是不行，即使把inv()括号里的稀疏矩阵改为float32型，inv()返回的好像还是float64，请问怎么样才能返回float32呢？

后来我又尝试了把numpy库的代码改了

但是还是不行，依旧报错：

请问有人知道这是怎么回事嘛？

这段代码中出现了内存问题，具体原因是在求逆运算中需要创建一个大尺寸的数组来存储矩阵，但是系统无法为这个数组分配足够的内存空间。其中shape=(61806, 61806)，数据类型为float64的数组需要的空间大约是28.5 GiB。

建议您可以尝试使用稀疏矩阵来解决这个问题。例如，使用scipy库中的sparse.linalg.inv来替代numpy库中的inv。这样可以减少内存消耗，并减少计算时间。

同时，还可以尝试使用分块矩阵和分块矩阵求逆的方法来解决问题，这样可以将大矩阵分解成小的块来计算，也可以减少内存消耗。

还有可以考虑使用有限元方法来求解问题，有限元方法可以将问题转化为较小的线性方程组来解决。

综上，可以尝试使用稀疏矩阵，分块矩阵和有限元方法来解决问题。