PyPlot绘图报错TypeError：无法将CUDA张量转换为numpy数组

算力阿峰

2026-7-9

解决Matplotlib绘图时CUDA张量转numpy的TypeError问题

错误原因

Matplotlib依赖numpy数组进行绘图，但你的train_accuracy和test_accuracy是存储在GPU（cuda:0）上的PyTorch张量列表，无法直接转换为numpy数组，必须先将张量复制到CPU内存。

解决方案

方案1：绘图前转换张量列表

遍历张量列表，将每个CUDA张量转移到CPU后，转换为numpy数组或提取标量值：

# 转换为CPU上的numpy数组列表
train_acc_np = [acc.cpu().numpy() for acc in train_accuracy]
test_acc_np = [acc.cpu().numpy() for acc in test_accuracy]

# 绘图
plt.plot(train_acc_np, label='training accuracy')
plt.plot(test_acc_np, label='validation accuracy')
plt.title('Accuracy at the end of each epoch')
plt.legend();

如果每个张量都是标量（如示例中的单个精度值），可以直接提取Python数值，更高效：

# 提取标量值
train_acc_vals = [acc.cpu().item() for acc in train_accuracy]
test_acc_vals = [acc.cpu().item() for acc in test_accuracy]

# 绘图
plt.plot(train_acc_vals, label='training accuracy')
plt.plot(test_acc_vals, label='validation accuracy')
plt.title('Accuracy at the end of each epoch')
plt.legend();

方案2：训练时直接存储CPU数值

在训练循环中记录精度时，就将CUDA张量转移到CPU并提取数值，避免后续重复处理：

train_accuracy = []
test_accuracy = []

for epoch in range(num_epochs):
    # ... 执行训练/验证步骤 ...
    # 计算训练精度（得到CUDA张量）
    train_acc = get_train_accuracy()
    # 直接存储CPU上的数值
    train_accuracy.append(train_acc.cpu().item())
    
    # 计算测试精度（得到CUDA张量）
    test_acc = get_test_accuracy()
    # 直接存储CPU上的数值
    test_accuracy.append(test_acc.cpu().item())

# 直接用存储的数值绘图
plt.plot(train_accuracy, label='training accuracy')
plt.plot(test_accuracy, label='validation accuracy')
plt.title('Accuracy at the end of each epoch')
plt.legend();