PyTorch训练报错：'numpy.ndarray' object has no attribute 'to'

.to(device)是PyTorch张量（Tensor）专属的设备迁移方法，numpy数组本身没有这个方法。
出现单张图像运行正常、2张及以上图像触发报错的核心原因是：train_generator数据生成器输出的batch数据类型不一致：单张输入时返回的是PyTorch Tensor类型，当batch包含多张图像时，数据加载管线没有执行numpy数组转Tensor的逻辑，直接返回了numpy.ndarray类型的features和targets，此时调用.to()方法就会抛出属性错误。

两种修复方式按需选择：

• 快速修复：读取batch数据后，手动将numpy数组转换为PyTorch张量，再迁移到指定计算设备。替换训练循环中对应代码即可：

### 替换原有的features = features.to(device)、targets = targets.to(device)两行代码
import torch
# 先将numpy数组转为Tensor，再迁移到目标设备
features = torch.from_numpy(features).to(device)
targets = torch.from_numpy(targets).to(device)

# 注意：如果图像numpy数组为通道在后格式（shape为[batch数, 图像高, 图像宽, 通道数]），
# 需要额外调整维度顺序适配PyTorch模型要求的通道在前格式，取消下一行注释即可
# features = features.permute(0, 3, 1, 2)

• 根源修复：检查数据加载管线配置，确认数据预处理transform中加入了torchvision.transforms.ToTensor()转换逻辑，保证数据生成器不管输出单张还是多张图像的batch，返回的都是标准PyTorch Tensor类型，后续不需要手动做类型转换。

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