运行PyTorch Transformer教程代码时遇'NoneType'无Lock属性错误

这个错误是由于torchtext的DataPipe在Colab环境中初始化多线程锁失败导致的，以下是两种直接有效的解决方式：

针对WikiText2数据集的修改 #

将数据集转换为普通Python列表，绕过DataPipe的内部迭代逻辑：

from torchtext.datasets import WikiText2
from torchtext.data.utils import get_tokenizer
from torchtext.vocab import build_vocab_from_iterator

# 转换为普通列表避免锁问题
train_iter = list(WikiText2(split='train'))
tokenizer = get_tokenizer('basic_english')

vocab = build_vocab_from_iterator(map(tokenizer, train_iter), specials=['<unk>'])

针对IMDB数据集的修改 #

同样先将数据集转为列表再处理：

from torchtext.datasets import IMDB

# 转换为普通列表
train_iter = list(IMDB(split='train'))

def tokenize(label, line):
    return line.split()

tokens = []
for label, line in train_iter:
    tokens += tokenize(label, line)

原理：DataPipe的迭代依赖多进程/线程锁机制，但Colab环境的限制会导致锁对象初始化失败。将数据集转为普通列表后，使用原生Python迭代逻辑，完全避开了DataPipe的锁相关问题。

内容的提问来源于stack exchange，提问作者John Liu