PyTorch搭建VAE使用Adam优化器报method不可迭代错误如何解决？

算力阿峰

2026-10-4

报错解决方法

直接错误原因

初始化Adam优化器时传入的参数错误：你传入了自定义的类方法model.param，而PyTorch优化器要求传入可迭代的模型可训练参数集合，因此触发'method' object is not iterable类型错误。

立即修复方案

将优化器初始化代码改为调用PyTorch内置的parameters()方法获取模型参数：

optim = torch.optim.Adam(model.parameters(), lr=0.01)

其他潜在问题修复建议

你当前的代码还存在多处逻辑错误，修复上述问题后仍会报错，建议同步调整：

编码器输出维度不匹配：编码器self.enc的输出维度是786，但后续的self.mean、self.log层的输入维度设置为1200，维度无法对齐。需要将两个全连接层的输入维度改为786：
```
self.mean = nn.Linear(786, 2)
self.log_var = nn.Linear(786, 2) # 建议改名避免和Python内置log函数重名
```

重参数化逻辑适配性差：当前重参数化方法里的eps写死了维度为(2,1200)，batch size、隐变量维度变动就会报错，改为自动匹配mu的维度：

# 建议把方法名改为reparameterize，避免和parameters()方法混淆
def reparameterize(self, mu, log_var):
    eps = torch.randn_like(mu)
    z = mu + eps * torch.exp(log_var * 0.5)
    return z