PyTorch OCR任务调用cuda()报错：'str'对象无'cuda'属性

错误原因 #

你的标签是字符串类型，而.cuda()和.to('cuda')是PyTorch Tensor专属方法，字符串对象没有这些属性，因此触发报错。从Dataset代码可以看到，item['label'] = imagefile.split('_')[0]直接提取了文件名中的文本作为标签，确实是字符串格式。

解决方案 #

方案1：跳过字符串标签的GPU迁移 #

字符串标签无需放到GPU上，OCR任务中通常需要先将字符串转为对应的数值索引序列（通过字符字典映射），这一步可在预处理或自定义Collator中完成，转成Tensor后再迁移GPU。只需处理图像数据即可：

batch["img"] = [img.cuda() for img in batch["img"]]
# 字符串标签无需执行cuda()迁移，后续转成tensor再处理

方案2：将字符串标签转为数值Tensor后再迁移GPU #

如果模型需要Tensor类型的标签，先定义字符到索引的映射字典，再将字符串标签转为数值序列Tensor：

1. 定义字符映射字典（根据实际任务的字符集合调整）：

char2idx = {'0':0, '1':1, 'a':26, 'b':27, ...} # 覆盖所有可能出现的字符

2. 修改Dataset的__getitem__方法，将字符串标签转为Tensor：

label_str = imagefile.split('_')[0]
label_tensor = torch.tensor([char2idx[c] for c in label_str], dtype=torch.long)
item['label'] = label_tensor

3. 此时即可正常执行GPU迁移：

batch["img"] = [img.cuda() for img in batch["img"]]
batch["label"] = [label.cuda() for label in batch["label"]]

方案3：用自定义Collator统一处理数据与设备迁移 #

更规范的做法是在SynthCollator中完成Tensor整理和设备迁移，避免在训练循环中手动处理：

class SynthCollator:
    def __init__(self, char2idx=None, device='cuda'):
        self.char2idx = char2idx
        self.device = device

    def __call__(self, batch):
        # 整理图像为batch tensor并迁移GPU
        imgs = [item['img'] for item in batch]
        imgs_tensor = torch.stack(imgs).to(self.device)
        
        if self.char2idx:
            # 将字符串标签转成数值tensor并做padding（适配OCR标签长度不一致的情况）
            labels = [torch.tensor([self.char2idx[c] for c in item['label']]) for item in batch]
            labels_tensor = torch.nn.utils.rnn.pad_sequence(labels, batch_first=True).to(self.device)
            return {'img': imgs_tensor, 'label': labels_tensor}
        else:
            # 保留字符串标签，不迁移到GPU
            labels = [item['label'] for item in batch]
            return {'img': imgs_tensor, 'label': labels}

后续训练时，DataLoader会直接输出已完成设备迁移的batch数据，无需手动调用.cuda()。

内容的提问来源于stack exchange，提问作者Chaine