将Numpy代码迁移为CuPy时添加嵌套元组到集合报错：TypeError: unhashable type: 'ndarray'

这个问题我之前转CuPy代码时也踩过坑！核心原因是CuPy和Numpy在数组转元组时的处理逻辑有差异，导致你生成的嵌套元组里藏着不可哈希的对象。

为什么Numpy能跑但CuPy不行？ #

当你用Numpy数组生成嵌套元组时，tuple(row)会自动把Numpy数组的元素转换成Python原生的数值类型（比如float、int），这些原生类型都是可哈希的，所以整个嵌套元组能正常加入集合。

但CuPy不一样：遍历CuPy数组的行时，每一行本身还是一个CuPy ndarray对象；直接tuple(row)得到的元组里，每个元素是CuPy的标量对象（比如cp.float64），而这些CuPy标量对象是不可哈希的——哪怕外层是元组，只要里面包含不可哈希的元素，整个元组就没法被集合接受，这就是你看到TypeError的原因。

两种快速修复方案 #

方案1：逐行转为Python原生数值类型

在生成元组前，用.get()方法把CuPy行数组转成CPU端的原生数值结构，这样生成的元组元素都是可哈希的原生类型：

import cupy as cp

def sortBis(mat: cp.ndarray):
    colInds = cp.lexsort(mat[:, 1:])
    mat[:, 1:] = mat[:, 1:][:, colInds]
    return mat

newMat = cp.array([[ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
                   [ 0., 1., 0., 0., 0., 0., 0., 0., 0., 0., -1.]])
newMatSet = set()
# 关键修改：对每一行调用.get()，将CuPy数组转为原生数值序列
newMatSet.add(tuple(tuple(row.get()) for row in sortBis(newMat)))

方案2：先转整个数组为Numpy数组

如果你的数据量不算特别大，也可以先把处理后的CuPy数组完整转到CPU（转成Numpy数组），再按你原来的逻辑生成元组：

processed_mat = sortBis(newMat).get()  # 也可以用cp.asnumpy(sortBis(newMat))
newMatSet.add(tuple(tuple(row) for row in processed_mat))

性能小提示 #

如果你的数据量很大，频繁在GPU和CPU之间传输数据会影响加速效果。但如果只是做集合去重这类轻量操作，把数据临时拉到CPU转原生类型是最直接的解决办法；要是对性能要求极高，可能需要换一种GPU端的哈希存储方案，但这种场景下一般用不到这么复杂的处理。

内容来源于stack exchange