PyTorch多GPU环境下LSTM示例报错：module 'torch' has no attribute 'long'求助

这个错误看似是多GPU环境特有的，但本质上不是多GPU本身导致的，而是你的代码在多GPU配置环节不小心覆盖了torch模块的引用，具体拆解如下：

核心原因 #

在单GPU/CPU环境下，你大概率不会做这类覆盖操作，但当你为了多GPU训练写代码时，很容易不小心写出这样的代码：

# 错误示例：用torch作为变量名
torch = nn.DataParallel(model)
# 或者
torch = model.to('cuda:0')

当你把torch这个名字赋值给了模型对象（或者其他非模块的对象），后续调用torch.long时，实际上是在调用那个模型对象的long属性——而模型对象根本没有这个属性，自然会抛出AttributeError。

而单GPU/CPU环境下，你可能直接用model = model.to(device)，不会碰torch这个变量名，所以torch始终指向PyTorch的核心模块，调用torch.long就没问题。

验证与解决方案 #

1. 先确认变量名冲突：在你的prepare_sequence函数前加一行调试代码：

   print(type(torch))  # 正常应该输出 <module 'torch' from '.../torch/__init__.py'>
   

   如果输出是类似<class 'torch.nn.parallel.data_parallel.DataParallel'>或者模型类的类型，那百分百是变量名覆盖了。

2. 修复变量名：把所有用来指代多GPU模型的变量名改成别的，比如：

   # 正确写法
   model_parallel = nn.DataParallel(model)
   # 或者直接复用model变量
   model = nn.DataParallel(model)
   

3. 额外检查：确保所有导入torch的地方都是import torch，没有被其他局部导入或者赋值操作干扰。

内容的提问来源于stack exchange，提问作者user7700501