PyTorch+NumPy训练代码报错：'numpy.ndarray'对象没有'unsqueeze'属性

这个问题很直观——你正在尝试对numpy数组调用只有PyTorch张量才支持的unsqueeze()方法，工具不对自然会触发报错。

问题根源 #

你的代码里config1.both_transform(image=np.asarray(image))["image"]返回的结果是numpy.ndarray类型，而unsqueeze()是PyTorch torch.Tensor类的专属方法，numpy数组根本没有这个属性，所以才会抛出这个错误。

修复方案 #

只需要把numpy数组转换成PyTorch张量，再执行后续操作即可，具体修改后的代码如下：

def plot_example(low_res_folder, gen):
    files=os.listdir(low_res_folder)
    gen.eval()
    for file in files:
        image=Image.open("test_images/" + file)
        with torch.no_grad():
            # 1. 获取变换后的numpy数组
            transformed_image_np = config1.both_transform(image=np.asarray(image))["image"]
            # 2. 转换为PyTorch张量，同时调整数据类型为float（模型通常用float32）
            transformed_image_tensor = torch.from_numpy(transformed_image_np).float()
            # 3. 增加batch维度并移动到指定设备
            upscaled_img=gen(
                transformed_image_tensor.unsqueeze(0).to(config1.DEVICE)
            )
        save_image(upscaled_img * 0.5 + 0.5, f"saved/{file}")
    gen.train()

如果你喜欢更紧凑的写法，也可以把转换步骤合并成一行：

upscaled_img=gen(
    torch.from_numpy(config1.both_transform(image=np.asarray(image))["image"])
    .float()
    .unsqueeze(0)
    .to(config1.DEVICE)
)

额外提示 #

如果你的both_transform输出的是0-255范围的uint8类型数组，转成float后建议做归一化处理（比如除以255），确保输入数据的范围和你的生成器模型训练时的输入范围一致，避免影响最终的生成效果。

内容的提问来源于stack exchange，提问作者Khalid El amraoui