PyTorch训练报错AttributeError：'list'对象无'to'属性求助

核心原因 #

这个错误的本质是你试图对Python原生列表调用.to()方法，但只有PyTorch的Tensor或nn.Module类才有这个方法。训练流程中通常是DataLoader返回的数据不是Tensor类型，而是列表，导致后续执行data.to(device)时触发错误。

排查方向与解决步骤 #

1. 检查Dataset的__getitem__方法 #

Dataset的__getitem__必须返回Tensor类型的输入和标签，如果返回的是Python列表，DataLoader输出的batch会是列表的列表，而非Tensor。

• 错误示例：

  def __getitem__(self, idx):
      img = self.data[idx]  # 像素值为列表形式
      label = self.labels[idx]
      return img, label  # 返回列表和整数，不是Tensor
  

• 修正方法：用torch.tensor()转换为Tensor：

  def __getitem__(self, idx):
      img = torch.tensor(self.data[idx], dtype=torch.float32)
      label = torch.tensor(self.labels[idx], dtype=torch.long)
      return img, label
  

2. 检查预处理流程（归一化/标准化） #

如果归一化/标准化代码直接对列表操作，没有转换为Tensor，会导致数据保持列表类型：

• 错误示例：

  def normalize(img):
      return [x/255.0 for x in img]  # 返回列表
  

• 修正方法：先转Tensor再做归一化，或用PyTorch官方transforms模块（更推荐）：

  from torchvision import transforms
  transform = transforms.Compose([
      transforms.ToTensor(),
      transforms.Normalize(mean=[0.5], std=[0.5])
  ])
  

3. 验证DataLoader输出类型 #

在训练循环开头添加打印，确认batch数据类型：

for batch in dataloader:
    inputs, labels = batch
    print(type(inputs), type(labels))  # 正常应输出<class 'torch.Tensor'>
    break

如果输出是列表，说明Dataset的__getitem__未返回Tensor，回到第一步修正。

4. 检查训练循环中的.to(device)调用 #

确保仅对Tensor调用.to(device)，避免对列表操作：

• 错误示例：

  inputs, labels = data  # data为列表时，inputs/labels也会是列表
  inputs = inputs.to(device)  # 触发错误
  

• 修正后：先确保inputs和labels是Tensor，再执行设备转换。

错误栈辅助排查 #

如果错误栈指向model(inputs)或inputs.to(device)行，直接定位到输入数据类型问题，按上述步骤逐一排查即可。

内容的提问来源于stack exchange，提问作者Lemair