AttributeError: ‘LeNet5‘ object has no attribute ‘cuda‘

问题描述

代码没有任何问题，该报错信息显示 “LeNet5” 对象没有 “cuda” 这个属性，其实就是说你在 somewhere 启用了 “.cuda()” 方法但是 “LeNet5” 对象并没有这个方法。

解决过程

排查cuda问题

在 PyTorch 中，“.cuda()” 是一个方法，用于将模型或张量(Tensor)从 CPU 移动到 GPU。为了在 GPU 上训练你的模型，你需要在创建模型之后调用这个方法。例如：
model = LeNet5() model = model.cuda()
在这种情况下，如果你的机器有可用的 CUDA-enabled GPU，那么这个模型将会被转移到 GPU。如果没有，那么你需要确保你的 PyTorch 已经正确安装并能够支持 CUDA。
如果你在创建模型之后没有调用 “.cuda()”，那么这个模型将会在 CPU 上运行，你在后续代码中可能会看到类似的报错，因为你试图在 GPU 上运行在 CPU 上创建的模型。这可能是你看到这个错误的原因。如果你想要在 GPU 上运行你的模型，确保你在创建模型后调用了 “.cuda()” 方法。
如果你并没有显式地在模型上调用 “.cuda()”，那么你可能在 somewhere 使用了一段期望模型在 GPU 上的代码，但你的模型其实在 CPU 上。在这种情况下，你需要找到并修正这段代码。
注意：确保你的数据和模型在同一个设备上（都在 CPU 或都在 GPU），否则会出现设备不匹配的错误。

具体排查cuda

您的代码中定义的 load_cnn 和 main 函数看起来并无问题，假设 args.arc 确实是 “lenet”，并且您有可用的 CUDA 设备（比如一个 GPU），那么 CNN().cuda() 就会返回一个在 GPU 上的 LeNet5 实例。
您收到的错误 AttributeError: ‘LeNet5’ object has no attribute ‘cuda’ 可能是因为您的 PyTorch 版本没有正确安装或没有正确配置 CUDA 支持。您可以通过运行以下命令检查您是否已经安装了 CUDA 及其是否可以使用：
import torch print(torch.cuda.is_available())
如果输出为 True，那么表示您的 PyTorch 版本已正确安装并且已配置 CUDA 支持。如果输出为 False，那么您可能需要更新或重新安装 PyTorch，以便它能够使用 CUDA。

另外，确保您在将模型移动到 GPU 前已经正确创建了模型。尝试将 model = CNN().cuda() 分解为以下两行代码，以便找到问题所在：
model = CNN() model = model.cuda()
这样做可以帮助您确定问题是在模型创建阶段，还是在尝试将模型移动到 GPU 时出现的。

另外，如果您在没有 GPU 的机器上运行这段代码，将会收到类似的错误。在没有 GPU 的情况下，您应该将 .cuda() 改为 .cpu()，或者完全删除 .cuda()，因为 CPU 是 PyTorch 的默认设备。

最后，请确保您的所有输入数据也在 GPU 上，因为您不能在 GPU 上的模型和 CPU 上的数据之间进行运算。如果您的数据在 CPU 上，您可以像这样将其移动到 GPU 上：
data, target = data.cuda(), target.cuda()
希望这些信息对您有所帮助。如果您仍然遇到问题，不妨再向我询问，我会很乐意帮助您解决问题。

torch 和 torch.cuda 的版本问题

你可以检查一下是否已经正确地安装了兼容的 PyTorch 和 CUDA 版本。
没有可用的 GPU 设备。如果你在没有 GPU 的环境中运行代码，并且试图将模型或数据移动到 GPU，将会出现类似的错误。
为了进一步诊断问题，你可以试试以下步骤：

检查你的 PyTorch 和 CUDA 的版本：
import torch print(torch.__version__) print(torch.version.cuda)
检查你的 GPU 是否可用：
print(torch.cuda.is_available())
如果 torch.cuda.is_available() 返回 False，那么表示你没有可用的 GPU 或者你的 PyTorch 没有正确配置 CUDA。

你可以尝试重新安装 PyTorch，以便使其支持 CUDA。你可以参考以下命令（适用于 conda 环境）：

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
请注意，你需要将 cudatoolkit=10.2 中的 10.2 替换为你的 CUDA 版本。如果你不确定你的 CUDA 版本，你可以在命令行中运行 nvcc --version 查看。

在无法访问 GPU 的情况下，你可以尝试在 CPU 上运行你的模型。你可以通过删除或注释掉 .cuda() 来实现这一点。例如，你可以将 model = model.cuda() 改为 model = model，并将 x, t = Variable(x.cuda()), Variable(t.cuda()) 改为 x, t = Variable(x), Variable(t)。请注意，你还需要将损失函数的 .cuda() 也去掉，即将 loss_func = nn.CrossEntropyLoss().cuda() 改为 loss_func = nn.CrossEntropyLoss()。

排查是类还是实例

看起来你已经逐一排查了常见问题，那么我觉得可能你的 load_cnn(args) 函数返回的不是一个类，而是一个类的实例。

你的 load_cnn 函数中的代码：
def load_cnn(args): if args.arc == "lenet": return LeNet5
在这段代码中，LeNet5 是一个类，load_cnn(args) 返回的是一个类（不是类的实例）。所以，当你在后面的代码中这样调用它： CNN = load_cnn(args) model = CNN().cuda()
这段代码试图创建 LeNet5 类的一个实例，并将其转移到 CUDA。但是，如果 load_cnn(args) 事实上返回的是一个类的实例（比如 LeNet5()），那么 CNN().cuda() 就会试图创建这个类实例的一个实例，这显然是不可能的，并且会导致你看到的错误。

为了解决这个问题，你可以在 load_cnn(args) 中返回类本身，而不是类的实例：
def load_cnn(args): if args.arc == "lenet": return LeNet5
然后在主程序中创建类的实例，并将其转移到 CUDA：
CNN = load_cnn(args) model = CNN().cuda()
如果这不是问题的原因，那么你能否提供一些更多的上下文信息？例如，你是在哪个环境中运行你的代码的（比如 Jupyter notebook，或者一个独立的 Python 脚本），你的 args 是什么，以及完整的错误信息。这将帮助我更准确地诊断问题。
在 Python 中，类（Class）和类的实例（Instance）是两种不同的概念。

类是一种定义了一组属性和方法的模板，这些属性和方法共同构成了一个对象的行为和状态。类是创建对象的蓝图。

实例则是根据类的定义创建出的具体对象。每个实例都有自己的属性和方法，这些属性和方法由其对应的类定义。

下面是一个例子：

`
class Dog:
def init(self, name):
self.name = name

def bark(self):
    print(f"{self.name} says woof!")`

在这个例子中，Dog 是一个类，定义了一个属性 name 和一个方法 bark。

然后，我们可以创建一个 Dog 类的实例： my_dog = Dog("Fido")
在这个例子中，my_dog 是 Dog 类的一个实例。我们可以访问它的属性和方法： print(my_dog.name) # Outputs: Fido my_dog.bark() # Outputs: Fido says woof!
在你的问题中，LeNet5 是一个类，而 LeNet5() 则是一个 LeNet5 类的实例。当你从 load_cnn 函数返回 LeNet5 时，你返回的是一个类。然后，你在 main 函数中创建一个 LeNet5 类的实例，并尝试将它转移到 GPU。

如果 load_cnn 函数返回的是 LeNet5()，那么你实际上返回的是一个 LeNet5 类的实例。然后，你在 main 函数中尝试创建这个实例的一个实例，这是不可能的，会导致你看到的错误。

总的来说，类是创建对象的模板，而实例则是根据这个模板创建的具体对象。当你返回一个类时，你返回的是一个模板；当你返回一个实例时，你返回的是一个具体的对象。这两者是不同的。

问题解决

看到你的代码和错误提示 ‘LeNet5’ object has no attribute ‘cuda’，我觉得最可能的原因是 PyTorch 没有正确安装或者没有检测到 CUDA。确保你安装的 PyTorch 版本支持 CUDA，并且你的环境（比如你的机器和你的操作系统）有支持 CUDA 的 GPU。

你可以通过运行以下代码来检查 PyTorch 是否支持 CUDA：
import torch print(torch.cuda.is_available())
如果这段代码打印出 True，那么 PyTorch 应该已经正确地支持 CUDA。如果打印出 False，那么你需要检查你的 PyTorch 安装和你的环境。你可能需要重新安装 PyTorch，或者确保你的 GPU 驱动程序已经更新到最新版本。

如果这都没有解决问题，你还可以试试看用 to(device) 方法来代替直接使用 cuda() 方法，如下所示： device = torch.device("cuda" if torch.cuda.is_available() else "cpu") model = CNN().to(device)
这段代码会先检查 CUDA 是否可用，如果可用就使用 CUDA，否则就使用 CPU。

AttributeError: ‘LeNet5’ object has no attribute 't
‘LeNet5’ object has no attribute ‘to’ 和 ‘LeNet5’ object has no attribute ‘cuda’ 这两个错误都说明了，你在尝试调用 ‘to’ 或 ‘cuda’ 方法的对象并不是一个 PyTorch 的 nn.Module 对象。即使你的 LeNet5 类是继承自 nn.Module，但这个错误提示你的 LeNet5 实例化对象并不是一个 nn.Module 对象。

这个问题通常是由于某种原因导致 Python 没有正确地创建你的 LeNet5 实例。可能的原因有很多，例如：

你可能在其他地方重新定义了 LeNet5，而那个定义并不是 nn.Module 的子类。
你可能在其他地方覆盖了 LeNet5 类的实例。
你可能在其他地方有一些代码在修改 LeNet5 的行为。
如果你能确保以上情况都没有发生，那么你可以尝试直接在 LeNet5 类定义后立即创建一个实例并尝试调用 ‘to’ 或 ‘cuda’ 方法，看看是否还会出现这个错误。例如：

model = LeNet5() print(model.to(torch.device('cpu')))
这个测试可以帮助你判断问题是否出在 LeNet5 类本身，或者出在其他的代码。

另外，如果你的代码分布在多个文件中，你需要确保每个文件都在正确的环境下运行，以及所有的文件都能正确地访问 LeNet5 类的定义。
在你的模块中正确地导入 LeNet5 类是很重要的，我理解你在 models/lenet.py 中定义了 LeNet5 类，现在让我们确认你在其他模块中是如何导入这个类的。

如果你在另一个文件中，如 main.py，需要使用 LeNet5，你应该这样导入：

from models.lenet import LeNet5
在这里，你需要确保你的导入路径是正确的。你需要根据 lenet.py 文件在你项目中的位置来确定正确的导入路径。

然后在 main.py 文件中，你应该能够正常地创建 LeNet5 的实例并将其移动到 GPU：model = LeNet5() model = model.to(device) # wheredevice` is your CUDA device
如果你仍然遇到问题，我建议你在 LeNet5 的 init 方法中加入一些打印语句，以帮助调试。例如，你可以在 LeNet5 的 init 方法中加入这样的代码：

print(“Creating a LeNet5 instance”)
然后，当你在 main.py 中创建一个 LeNet5 的实例时，你应该能够在控制台看到 “Creating a LeNet5 instance” 的输出。如果你没有看到这个输出，那么这意味着 LeNet5 的实例可能没有被正确地创建。

最终解决

修改了LeNet5的导入方式
原导入方式：from models import LeNet5
正确导入方式：from models.lenet import LeNet5