使用ART库在YOLOv5生成对抗样本时遇transpose参数错误

问题根源 #

报错TypeError: transpose() received an invalid combination of arguments的核心原因是：ART生成的对抗样本是PyTorch张量，但YOLOv5的common.py中默认按numpy数组的语法调用transpose((1,2,0))——而PyTorch张量的transpose()方法只接受两个单独的维度参数（如transpose(1,2)），不支持传入tuple，因此触发参数错误。

具体解决方案 #

方案1：修改YOLOv5代码适配张量输入

找到common.py中报错的im.transpose((1,2,0))代码行，替换为兼容numpy数组和PyTorch张量的逻辑：

# 替换原有的im.transpose((1,2,0))
if isinstance(im, torch.Tensor):
    im = im.permute(2, 0, 1)  # PyTorch张量用permute实现维度转置
else:
    im = im.transpose((1, 2, 0))  # numpy数组保留原写法

这样不管输入是numpy数组还是PyTorch张量，都能正确完成维度转置。

方案2：将ART生成的对抗样本转为numpy数组后再传入YOLOv5

在调用YOLOv5模型前，把ART输出的张量格式对抗图像转为numpy数组：

# 假设adv_images是ART生成的对抗样本张量
adv_images = adv_images.cpu().numpy()  # 先转到CPU再转numpy
# 如果是批量数据，需要调整维度顺序（ART输出一般是(batch, 3, H, W)，转为YOLOv5需要的(batch, H, W, 3)）
adv_images = adv_images.transpose(0, 2, 3, 1)

之后再将处理后的numpy数组传入YOLOv5即可。

额外修正：图像后缀匹配问题

代码中筛选.png文件，但测试用的是KITTI的.jpg图像，需要修改文件筛选逻辑，比如：

# 替换原有的只筛选.png的代码
image_paths = [p for p in os.listdir(data_dir) if p.endswith(('.png', '.jpg'))]

确保能加载到正确的测试图像。

内容的提问来源于stack exchange，提问作者Mark Truss