PyTorch模型训练报AttributeError: 'list'无flatten属性的解决求助

核心错误原因 #

在ImageClassificationBase的validation_step方法中，错误地将包含图像和标签的整个batch（列表/元组）传入模型，而非仅传入图像张量：

predicted_label = self(batch)  # 错误：batch是(images, labels)的组合，不是单一张量

模型的forward方法预期接收图像张量（如torch.Size(128, 3, 32, 32)），但实际传入的是列表，导致调用self.flatten(xb)时触发AttributeError。

修复后的代码 #

将validation_step中的错误行改为传入images：

def validation_step(self, batch):
    images, labels = batch
    predicted_label = self(images)  # 修正：传入图像张量而非整个batch
    loss = F.cross_entropy(predicted_label, labels)
    acc = accuracy(predicted_label, labels)
    return {'val_loss' : loss.detach(), 'val_acc' : acc}

额外注意事项 #

• 最后一行训练代码中，参数model未定义，应改为你创建的model1：

  fit(10, 0.01, model1, train_loader, val_loader)
  

• 确保accuracy函数已正确定义（代码中未给出实现，需确认它能接收预测张量和标签并返回准确率张量）。

内容的提问来源于stack exchange，提问作者Safi Ahmed