训练FGSM攻击时遇AttributeError：'NoneType'对象无'data'属性

错误根源 #

你在反向传播计算完梯度后，错误地先对images执行了detach()并重新创建新张量，导致后续试图获取梯度的张量和之前参与计算的张量完全无关，因此grad属性为None。

具体来说：

• loss.backward()执行后，梯度存储在原始的images张量的grad属性中
• 但你紧接着执行images = images.detach()切断了原张量的计算图，又用torch.tensor()创建了新的images——这个新张量和之前的计算过程没有任何关联，自然没有梯度信息

修复后的代码 #

for i in range(num_iter):
    # Forward pass to get logits
    logits = self(images)

    # Calculate loss
    loss = self.criterion(logits, masks)

    # Zero gradients
    self.optim.zero_grad()

    # Backward pass to compute gradients
    loss.backward()

    # 先从原始images获取梯度
    data_grad = images.grad.data

    # 对images进行detach并重新启用梯度
    images = images.detach()
    images.requires_grad = True

    # Generate the perturbed image using FGSM
    perturbed_images = fgsm(images, epsilon, data_grad)

    # Re-classify the perturbed image
    logits_perturbed = self(perturbed_images)

关键修改说明 #

1. 调整梯度获取顺序：先从完成反向传播的原始images中取出梯度，再处理张量的计算图
2. 避免重新创建张量：直接使用detach()后的张量并修改requires_grad属性，而不是用torch.tensor()生成新实例——这样既切断了旧计算图，又保留了张量的数据，同时允许后续计算记录新的梯度

内容的提问来源于stack exchange，提问作者kiran kumar