将TensorFlow代码迁移至PyTorch时遇AttributeError：numpy.ndarray无dim属性

报错核心原因：你传入torch.stft的是numpy数组，而非PyTorch张量。torch.stft仅支持操作PyTorch张量对象，numpy数组没有dim()方法，因此触发AttributeError。

具体问题与修复方案 #

1. 数据类型不匹配：numpy数组直接传入PyTorch函数 #

在代码In[35]中，你通过np.concatenate生成的Xtrain、Xtest都是numpy.ndarray类型，但transforms函数里的torch.stft要求输入必须是PyTorch张量。

修复代码：

batch_size = 1024
# 先将numpy数组转换为PyTorch张量
Xtrain_tensor = torch.from_numpy(Xtrain)
Xtest_tensor = torch.from_numpy(Xtest)

# 对张量执行分批处理
Xtrain = torch.concat(
    [transforms(Xtrain_tensor[batch_size*batch:batch_size*(batch +1)]) for batch in range(len(Xtrain_tensor)//batch_size+1)],
    axis=0
)
Xtest = torch.concat(
    [transforms(Xtest_tensor[batch_size*batch:batch_size*(batch +1)]) for batch in range(len(Xtest_tensor)//batch_size+1)],
    axis=0
)

2. PyTorch语法错误：torch.cast不存在 #

代码最后两行的torch.cast是TensorFlow专属语法，PyTorch中没有该函数，需替换为PyTorch的类型转换方式：

修复代码：

# 替换原torch.cast写法
Ytrain = torch.from_numpy(Ytrain).to(torch.float32)
Ytest = torch.from_numpy(Ytest).to(torch.float32)

额外优化建议 #

可以在transforms函数开头增加自动类型转换逻辑，避免类似类型错误重复出现：

def transforms(x: torch.Tensor) -> torch.Tensor:
    """Return Fourrier spectrogram."""
    # 自动将numpy数组转为PyTorch张量
    if not isinstance(x, torch.Tensor):
        x = torch.from_numpy(x)
    spectrograms = torch.stft(x, win_length=32, n_fft=4, hop_length=64)
    spectrograms = torch.abs(spectrograms)
    return torch.einsum("...ijk->...jki", spectrograms)

内容的提问来源于stack exchange，提问作者longwild laptop