PyTorch计算模型准确率出现TypeError: 'bool' object is not iterable错误

核心报错根源 #

• 首先是torch.max返回值的误用：调用torch.max(outputs.data, 1)时，返回的是二元组(对应维度最大值张量, 最大值对应索引张量)，你需要的预测类别是第二个返回的索引张量。之前直接把整个二元组赋值给predicted后做predicted == label运算，只会得到单个布尔值，而非逐样本对比的布尔张量。
• 其次是运算顺序错误：此前的写法float((predicted == label)).sum()先把得到的单个布尔值强转为float类型（True转1.0、False转0.0），对0维的数值变量调用sum()或者直接传入sum()迭代，自然触发“bool对象不可迭代”的报错。

修复逻辑 #

你调整后的代码是标准正确写法：

1. 先拆分torch.max的返回值，仅保留预测类别索引pred_indices
2. 用pred_indices == label得到逐样本对比的布尔张量，对该张量求和即可得到当前batch预测正确的样本总数
3. 最后调用.item()是将PyTorch张量类型的结果转为Python原生数值，避免后续累加出现类型兼容问题

额外优化提示 #

你自定义的Dataset类存在冗余计算：__init__方法中已经把所有y_train转换为对应索引存入self.y_train张量，__getitem__方法不需要再重复调用emotion_list.index(y_train[ind])计算索引，直接返回self.y_train[ind]即可，可减少不必要的性能开销。

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