跨模块传图像时np转list再还原输入Detectron2报Long类型错误

将numpy数组通过tolist()转列表再转回的操作，确实会改变数组的固有属性，这是报错产生的核心原因。

具体原理拆解 #

• 原流程中，cv2.imread读取得到的pg_image是默认uint8类型的NumPy数组，对应像素值范围0-255，完全兼容Detectron2、PyTorch的双线性上采样算子的输入要求，可被模型正常处理。
• 执行pg_image.tolist()时，会把整个numpy数组拆解为嵌套的Python原生整数构成的列表，原数组携带的uint8类型信息会完全丢失，没有任何机制会在列表中保留numpy的类型标记。
• 接收端直接执行np.array(列表内容)时，NumPy不会自动推断出原数组的类型，只会根据传入的Python原生int值，默认生成int64类型的数组——这个类型对应到PyTorch张量里就是报错提到的Long类型。
• 报错涉及的upsample_bilinear2d_channels_last算子，本身没有针对Long类型的输入实现计算逻辑，遇到int64类型的张量输入时，会直接抛出未实现的RuntimeError。

对应解决方法 #

• 接收端转回数组时，不要依赖NumPy的自动类型推导，显式指定数据类型即可完全匹配原数组的属性：
  pg_image = np.array(接收到的列表内容, dtype=np.uint8)
• 跨模块传输图像数据时，更推荐传递序列化后的字节流而非嵌套列表，既可以大幅降低传输时的内存占用，也能从根源上避免自动类型推导带来的兼容问题。

内容的提问来源于stack exchange，提问作者Dawny33