Python - AttributeError：'numpy.ndarray'对象没有属性'to'

Question

我现在有如下更新的代码：

    # Hyperparameters
random_seed = 123
learning_rate = 0.01
num_epochs = 10
batch_size = 128

device = torch.device("cuda:1" if torch.cuda.is_available() else "cpu")

对于范围内的纪元（num_epochs）：模型= resnet34.train（）对于batch_idx，枚举（train_generator）中的（特征，目标）：

    features = features.to(device)
    targets = targets.to(device)
        
    ### FORWARD AND BACK PROP
    logits = model(features)
    cost = torch.nn.functional.cross_entropy(logits, targets)
    optimizer.zero_grad()
    
    cost.backward()
    
    ### UPDATE MODEL PARAMETERS
    optimizer.step()
    
    ### LOGGING
    if not batch_idx % 50:
        print ('Epoch: %03d/%03d | Batch %03d/%03d | Cost: %.4f' 
               %(epoch+1, num_epochs, batch_idx, 
                 len(datagen)//batch_size, cost))

model = model.eval() # eval mode to prevent upd. batchnorm params during inference
with torch.set_grad_enabled(False): # save memory during inference
    print('Epoch: %03d/%03d training accuracy: %.2f%%' % (
          epoch+1, num_epochs, 
          compute_accuracy(model, train_generator)))

当只有一张图片时，代码运行良好。 但是，当我添加另一个或更多图像时，我得到以下信息：

features = features.to(device)
targets = targets.to(device)
AttributeError: 'numpy.ndarray' object has no attribute 'to'

Answer 1

为了清楚起见，很高兴看到您的train_generator代码，但它似乎不是火炬DataLoader 。 在这种情况下，您可能应该手动将数组转换为张量。 有几种方法可以做到这一点：

• torch.from_numpy(numpy_array) - 用于 numpy 数组；
• torch.as_tensor(list) - 用于常见列表和元组；
• torch.tensor(array)也应该有效，但上述方法将尽可能避免复制数据。