numpy数组转PyTorch时出现numpy.object_类型不支持错误如何解决

1. 核心报错原因：传入torch.from_numpy()的inputs_array是dtype为numpy.object_的numpy数组，PyTorch的from_numpy方法仅支持固定长度的数值/布尔类型numpy数组转换，不支持object类型。object类型数组一般是因为数组内存储的元素类型不统一（比如混了字符串、数字、空值、不等长序列），numpy无法识别为统一数值类型才会标记为object。
2. 代码本身存在语法错误：inputs = torch.from_numpy(inputs_array),float()这行的,float()写在了函数括号外面，实际执行后会生成一个包含两个元素的元组，完全没有实现张量类型转换的逻辑。

• 先校验数组类型：执行print(inputs_array.dtype)确认类型，若输出为object先处理数组内容：
  • 排查数组内是否存在非数值内容（比如字符串、空值、异常值），清理或编码为数值；
  • 如果数组内是不等长序列（比如文本序列、不同长度的时间序列），先做padding对齐成统一长度，保证所有元素维度一致。
• 将处理后的numpy数组显式转换为PyTorch支持的数值类型，推荐优先转成模型训练常用的float32：

  inputs_array = inputs_array.astype("float32")
  

• 修正代码语法错误，选择以下任意一种正确写法完成转换：
  写法1（numpy侧完成类型转换，转换后的tensor和原numpy数组共享内存，效率更高）：

  inputs = torch.from_numpy(inputs_array)
  

  写法2（先转tensor再调整浮点类型）：

  inputs = torch.from_numpy(inputs_array).float()
  

注意：如果object数组内存储的是纯字符串类非数值内容，不能直接astype转数值，需要先通过词嵌入、编码等方式把内容映射为数值后再做转换。

内容的提问来源于stack exchange，提问作者Laiba Riaz