关于pytorch中缺少next属性的报错

在pytorch学习深度学习时，按照官方文档尝试简单的分类器，但在运行的时候出现报错：（https://github.com/zergtant/pytorch-handbook/blob/master/chapter1/4_cifar10_tutorial.ipynb）

import torch
import torchvision
import torchvision.transforms as transforms

transform = transforms.Compose(
    [transforms.ToTensor(),
     transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=4,
                                          shuffle=True, num_workers=2)

testset = torchvision.datasets.CIFAR10(root='./data', train=False,
                                       download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=4,
                                         shuffle=False, num_workers=2)

classes = ('plane', 'car', 'bird', 'cat',
           'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

import matplotlib.pyplot as plt
import numpy as np
# 展示图像的函数
def imshow(img):
    img = img / 2 + 0.5     # unnormalize
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))

# 获取随机数据
dataiter = iter(trainloader)
images, labels = dataiter.next()

# 展示图像
imshow(torchvision.utils.make_grid(images))
# 显示图像标签
print(' '.join('%5s' % classes[labels[j]] for j in range(4)))

运行结果及报错内容：

AttributeError                            Traceback (most recent call last)
Input In [3], in <cell line: 14>()
     12 # 获取随机数据
     13 dataiter = iter(trainloader)
---> 14 images, labels = dataiter.next()
     16 # 展示图像
     17 imshow(torchvision.utils.make_grid(images))

AttributeError: '_MultiProcessingDataLoaderIter' object has no attribute 'next'

搜索发现

_MultiProcessingDataLoaderIter作为DataLoader的iters，应该具有next属性啊

请问是我环境安装出现什么问题了吗

目前torch： 1.13.0+cu117 torchvision ： 0.14.0+cu117

next()函数实际上调用了传入函数的.__next()__成员函数。所以，如果传入的函数没有这个成员，则会报错
参考代码理解

import torch
# 生成一些测试数据
X = torch.normal(0, 1, (1000, 2)) # x: sample size = 1000, feature_dim = 2
y = torch.normal(0, 1, (1000, 1)) # y: sample size = 1000, dim = 1

# 定义一个函数，返回dataloader
def load_array(data_and_label, batch_size, is_train=True):
    """Construct a PyTorch data iterator."""
    dataset = data.TensorDataset(*data_and_label)
    return data.DataLoader(dataset, batch_size, shuffle=is_train)

batch_size = 10
data_iter = load_array((X, y), batch_size)

#这句会报错：next(data_iter)
next(iter(data_iter))
"""
输出前10组数据
"""

这里，为什么 next(data_iter) 报错，而 next(iter(data_iter)) 可以返回数据呢？这是因为，pytorch的DataLoader函数没有 next 成员，但有 iter 成员（见源文件）。所以，需要首先通过 iter() 函数返回一个 iter 成员，再找这个 iter 的 next

如果官方运行没问题的话，应该是torch的问题，你这torch1.13是最新的版本，有些api之类的变动是正常的事情，如果你只是学习，我比较建议使用1.8.2的LST版本，至少所有的库都会考虑优先支持LST的版本。
另外你这个报的错多线程没有next错误，将num_workers设置为0看下，我设置为在1.8.2下面设置成0就可以了

直接copy你的代码直接报错啊？“trainloader”哪声明的？