PyTorch Geometric DataLoader遍历报getattr属性名需为字符串错误

报错的核心原因是误用了DataLoader的入参类型：

• PyTorch Geometric的DataLoader和原生PyTorch DataLoader逻辑一致，第一个入参必须是数据集对象：要么是继承Dataset基类的实例，要么是包含多个样本（对图任务来说就是多个Data类型的图对象）的可迭代序列。DataLoader在取数时会生成整数索引，通过dataset[idx]逐个拉取单个样本，再拼接成batch。
• 你代码中赋值给dataset变量的是单个Data实例，代表单张图，不是包含多个图的数据集。当DataLoader尝试传入整数索引调用self.dataset[idx]时，会触发Data类的__getitem__方法——这个方法的设计是接收字符串类型的属性名（比如data['x']等价于取data.x属性），传入整数时就会抛出getattr(): attribute name must be string的错误。
• 你测试时能正常创建迭代器对象不代表逻辑正确：迭代器初始化时不会实际拉取数据，只有真正遍历取数时才会执行索引取样本的操作，因此创建迭代器不报错、遍历时报错完全符合该问题的表现。

另外你的图数据本身还有一致性问题：当前定义的节点特征x只有2个节点（编号0、1），但edge_index里的节点编号最大到14，超出了合法节点索引范围，修完DataLoader入参问题后这个问题也会触发报错，需要同步修正。

按以下步骤修改即可：

1. 不要把单个Data对象直接传入DataLoader，将所有图样本（哪怕只有1张图）封装到列表中，或者实现规范的InMemoryDataset子类来承载数据。小批量测试时直接用列表封装即可，数据量大时推荐用InMemoryDataset做标准化管理，方便后续做训练/测试集拆分。
2. 修正图数据的匹配关系：确保edge_index中出现的所有节点编号都在[0, 节点总数-1]范围内，和节点特征x的第一维长度对应。
3. 遍历DataLoader时不要错误将batch解包为x,y两个变量，每个batch是PyG的Batch对象，直接通过对象属性取x、edge_index、y、batch等字段即可，和你后续GCN训练的逻辑保持一致。

修正后的核心代码片段如下：

import torch
from torch_geometric.data import Data, DataLoader

# 示例：修正边索引和节点数的匹配关系，可替换为你的真实业务数据
edge_origins = [0, 1]
edge_destinations = [1, 0]
target = [0, 1]
x = [[0.1,0.5,0.2],[0.5,0.6,0.23]]

edge_index = torch.tensor([edge_origins, edge_destinations], dtype=torch.long)
x = torch.tensor(x, dtype=torch.float)
y = torch.tensor(target, dtype=torch.long)

# 构造单张图的Data对象
single_graph = Data(x=x, edge_index=edge_index, y=y, num_classes=len(set(target)))
# 关键：将图样本放入列表作为数据集传入DataLoader，多图时追加更多Data对象即可
dataset = [single_graph]

train_loader = DataLoader(dataset, batch_size=64, shuffle=True)

# 验证遍历逻辑正常
for data in train_loader:
    print(data)
    # 后续可以直接把这个train_loader传入GCN训练流程

修改后即可正常遍历DataLoader，适配你写的GCN训练、测试逻辑，不会再触发原有的属性名类型错误。

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