运行扩散概率模型代码遇TypeError：torch.cat期望张量却得到列表

问题原因 #

报错TypeError: expected Tensor as element 0 in argument 0, but got list出现在torch.cat(all_images_list, dim=0)行，核心原因是all_images_list中的元素不是PyTorch张量，而是列表——这说明你的sample函数返回的是列表而非预期的张量，或者num_to_groups生成的分组导致sample输出异常。

修复步骤 #

1. 检查并修正sample函数 #

确保你的sample函数返回的是PyTorch张量（形状应为(batch_size, channels, img_height, img_width)）。可参考标准实现对齐：

def sample(model, batch_size=16, channels=3, img_size=64, timesteps=1000, device=device):
    x = torch.randn((batch_size, channels, img_size, img_size), device=device)
    for t in reversed(range(0, timesteps)):
        t_tensor = torch.full((batch_size,), t, device=device, dtype=torch.long)
        predicted_noise = model(x, t_tensor)
        beta_t = beta[t]
        alpha_t = alpha[t]
        alpha_bar_t = alpha_bar[t]
        noise = torch.randn_like(x) if t > 0 else torch.zeros_like(x)
        x = 1 / torch.sqrt(alpha_t) * (x - ((1 - alpha_t) / torch.sqrt(1 - alpha_bar_t)) * predicted_noise) + torch.sqrt(beta_t) * noise
    return x

如果你的sample函数里有将张量转成列表的操作（比如.tolist()），请移除，确保直接返回张量。

2. 验证num_to_groups函数 #

确保num_to_groups生成的是正整数分组，不会出现0值。标准实现如下：

def num_to_groups(num, divisor):
    groups = num // divisor
    remainder = num % divisor
    return [divisor] * groups + ([remainder] if remainder > 0 else [])

避免因传入batch_size=0导致sample函数输出异常。

3. 调试拼接逻辑 #

可以添加打印语句，逐个验证sample的输出类型：

# 替换原all_images_list生成代码
all_images_list = []
for n in batches:
    img_tensor = sample(model, batch_size=n, channels=channels)
    print(f"Sample output shape: {img_tensor.shape}, type: {type(img_tensor)}")
    all_images_list.append(img_tensor)
all_images = torch.cat(all_images_list, dim=0)

如果输出显示type是list而非torch.Tensor，回到步骤1修正sample函数。

4. 调整save_image参数（可选） #

如果最终生成的图片总数和nrow不匹配，比如生成了4张图，可将nrow改为2，让布局更合理：

save_image(all_images, str(results_folder / f'sample-{milestone}.png'), nrow=2)

内容的提问来源于stack exchange，提问作者Rishi Suman