将NumPy数组转PyTorch张量时遇TypeError错误的解决方法

错误原因 #

torch.from_numpy()要求输入必须是NumPy数组，但你的代码执行时，变量X或y已经是PyTorch张量，而非原始NumPy数组，因此触发类型错误。

解决方案 #

1. 先检查数据类型 #

在转换前先确认X和y的当前类型，避免重复转换：

print(type(X), type(y))

如果输出为<class 'torch.Tensor'>，说明它们已经是张量，无需再用from_numpy处理。

2. 针对性处理数据 #

• 若X/y已是张量：直接转换数据类型即可

X = X.type(torch.float)
y = y.type(torch.float)

• 不确定数据类型时，可做兼容处理：

import torch
import numpy as np

def convert_to_float_tensor(data):
    if isinstance(data, np.ndarray):
        return torch.from_numpy(data).type(torch.float)
    elif isinstance(data, torch.Tensor):
        return data.type(torch.float)
    else:
        raise TypeError("输入必须是NumPy数组或PyTorch张量")

X = convert_to_float_tensor(X)
y = convert_to_float_tensor(y)

3. 避免变量覆盖 #

如果是重复执行代码导致X/y被覆盖为张量，可重启代码运行环境，或重新加载原始NumPy格式的数据集。

内容的提问来源于stack exchange，提问作者ADITTTI