如何使用np.concatenate拼接含CUDA tensor的列表并解决相关报错

报错原因 #

你遇到的报错核心是 Numpy 数组仅支持在CPU内存中存储、运算，无法直接读取GPU显存（cuda:0）上的PyTorch Tensor数据，必须先将GPU上的Tensor转移到CPU内存后才能转成Numpy格式处理。

解决方案 #

方案1：继续用np.concatenate完成拼接 #

先遍历列表，把每个Tensor先转移到CPU、转成Numpy数组后再拼接：

import numpy as np
# 假设你的Tensor列表名为X
processed_list = [t.detach().cpu().numpy() for t in X]
result = np.concatenate(processed_list)

说明：如果你的Tensor是训练过程生成、带有梯度属性（requires_grad=True），必须加.detach()将其从计算图中剥离后才能转Numpy；如果是无梯度的推理结果，可以省略.detach()。

方案2：直接用PyTorch内置拼接函数（更推荐） #

如果不需要得到Numpy格式的结果，或者要保留Tensor的设备属性，可以直接用torch.cat完成拼接，不需要转Numpy，性能更高：

import torch
# 直接在GPU上完成拼接，结果仍为GPU Tensor
result_gpu = torch.cat(X, dim=0)
# 如果后续需要转Numpy再执行这一步
result_np = result_gpu.detach().cpu().numpy()

dim参数和np.concatenate的axis参数逻辑完全一致，按行拼接设为dim=0即可满足你的需求。

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