in_data = input.transpose([0, 3, 1, 2]).to(device) AttributeError: 'Tensor' object has no attribute 'to'

这个错误通常是因为你的 Tensor 对象不是 PyTorch 的 Tensor 对象，而是其他库的 Tensor 对象，比如 NumPy 的 ndarray。PyTorch 的 Tensor 对象有 to() 方法，但其他库的 Tensor 对象没有这个方法。

要解决这个问题，你需要将你的 Tensor 对象转换为 PyTorch 的 Tensor 对象。你可以使用 torch.from_numpy() 方法来将 NumPy 的 ndarray 对象转换为 PyTorch 的 Tensor 对象：

import torch
import numpy as np

# 假设 in_data 是一个 NumPy 的 ndarray 对象
in_data = np.array([[1,2,3], [4,5,6]])
tensor_data = torch.from_numpy(in_data)
tensor_data = tensor_data.transpose(0, 1)  # 转换维度
tensor_data = tensor_data.to(device)  # 将 Tensor 对象移到 GPU 上（如果有的话）

如果你的 Tensor 对象不是 NumPy 的 ndarray 对象，而是其他库的 Tensor 对象，你需要查看该库提供的转换方法。

相关问题

paddle 2.2.2提示 in_data = input.permute(0, 3, 1, 2).to(device) AttributeError: 'Tensor' object has no attribute 'permute'

这个错误提示说 Tensor 对象没有 `permute` 属性，通常是因为你使用的版本太旧了，或者你使用的不是 Tensor 对象。在 PaddlePaddle 2.x 版本中，`permute` 方法已经被重命名为 `transpose`。你可以将 `permute` 方法替换为 `transpose` 方法，例如将

in_data = input.permute(0, 3, 1, 2).to(device)

替换为

in_data = input.transpose([0, 3, 1, 2]).to(device)

注意，`transpose` 方法中传入的参数是一个列表，而不是多个参数。如果你使用的不是 Tensor 对象，那么请检查一下输入的对象类型是否正确。

class MotionEncoder_STGCN(nn.Module): def __init__(self): super(MotionEncoder_STGCN, self).__init__() self.graph_args = {} self.st_gcn = ST_GCN(in_channels=2, out_channels=32, graph_args=self.graph_args, edge_importance_weighting=True, mode='M2S') self.fc = nn.Sequential(nn.Conv1d(32 * 13, 64, kernel_size=1), nn.BatchNorm1d(64)) def forward(self, input): input = input.transpose(1, 2) input = input.transpose(1, 3) input = input.unsqueeze(4) output = self.st_gcn(input) output = output.transpose(1, 2) output = torch.flatten(output, start_dim=2) output = self.fc(output.transpose(1, 2)).transpose(1, 2) return output def features(self, input): input = input.transpose(1, 2) input = input.transpose(1, 3) input = input.unsqueeze(4) output = self.st_gcn(input) output = output.transpose(1, 2) output = torch.flatten(output, start_dim=2) output = self.fc(output.transpose(1, 2)).transpose(1, 2) features = self.st_gcn.extract_feature(input) features.append(output.transpose(1, 2)) return features

这是一个 Python 代码段，用于定义一个名为 MotionEncoder_STGCN 的类，该类包含一个前向传递函数和一个特征提取函数。它使用 ST_GCN 模型对输入进行处理，并使用卷积神经网络对输出进行处理。我可以回答这个问题。