Pylance: "Variable, die in Typexpression nicht zulässig sind" für Torch.tensor Rückgabeart mit aus __future__ Import -An ⇐ Python

[Anonymous]

Ich begegne einen Pylanzfehler (ReportInvalidtypeForm) bei der Verwendung von Torch.tensor als Rückgabetyp Hinweis in meiner Pytorch nn.module -Unterklassen. Dies geschieht, obwohl aus zukünftige Importanmerkungen die allererste Zeile in meiner .py -Datei ist, und Torch wird in der Python -Umgebung korrekt importiert und verifiziert, in der VS -Code zu verwenden scheint. Die Parameter in diesen Methoden werden mit einem beliebigen (was kein Problem verursacht) angedeutet, aber der Fehler ist spezifisch für die Rückkehrannotation (z. B. -> Torch.tensor . Beispiel: < /p>
from __future__ import annotations # Ensures this is the very first line

import torch
import torch.nn as nn
from typing import Any, List

class SimpleDynamicsNet(nn.Module):
def __init__(self, state_dim: int, hidden_layers_config: List[int]):
super().__init__()
layers = []
current_dim = state_dim
for h_units in hidden_layers_config:
layers.append(nn.Linear(current_dim, h_units))
layers.append(nn.Tanh())
current_dim = h_units
layers.append(nn.Linear(current_dim, state_dim))
self.net = nn.Sequential(*layers)

# Pylance error occurs on the following line for '-> torch.Tensor'
def forward(self, t: Any, z_state: Any) -> torch.Tensor:
return self.net(z_state)

class ComplexModel(nn.Module):
def __init__(self, input_features: int, ode_dimension: int, ode_hidden_config: List[int], output_dimension: int):
super().__init__()
self.input_projection = nn.Linear(input_features, ode_dimension) if input_features != ode_dimension else nn.Identity()
self.dynamics_network = SimpleDynamicsNet(ode_dimension, ode_hidden_config)
self.integration_times = torch.tensor([0.0, 1.0]) # Dummy for MRE
self.final_output_projection = nn.Linear(ode_dimension, output_dimension)

# Pylance error also occurs on the following line for '-> torch.Tensor'
def forward(self, x_batch: Any) -> torch.Tensor:
if not isinstance(x_batch, torch.Tensor):
try:
x_batch_tensor = torch.as_tensor(x_batch, dtype=torch.float32)
except Exception:
raise TypeError("Input could not be converted to a tensor for MRE.")
else:
x_batch_tensor = x_batch

initial_ode_state = self.input_projection(x_batch_tensor)
time_placeholder = self.integration_times[0]
evolved_state = self.dynamics_network(time_placeholder, initial_ode_state)
output = self.final_output_projection(evolved_state)
return output

# # Example instantiation (uncomment to test MRE execution)
# model_instance = ComplexModel(input_features=10, ode_dimension=32, ode_hidden_config=[64,64], output_dimension=1)
# test_input_data = torch.randn(5, 10)
# try:
# predictions = model_instance(test_input_data)
# print("MRE runs without Python runtime error. Prediction shape:", predictions.shape)
# except Exception as e:
# print(f"MRE runtime error (likely not Pylance type hint related here): {e}")
< /code>
Was ich ausprobiert habe: < /p>
Sicherstellen Sie < /p>
from __future__ import annotations
< /code>
ist die allererste Zeile des Skripts. IT.
Verwenden Sie alle Parameter in den Vorwärtsmethodensignaturen. /> Pytorch -Version: 2.5.1+CPU < /p>
Pylanzverlängerung (im VS -Code): 2025.4.1 < /p>
Betriebssystem: Microsoft Windows [Version 10.0.22631.5189] (Windows 11) < /p> < /P. Als ungültiger Typausdruck unter diesen Bedingungen? Was könnte dies verursachen und welche potenziellen Lösungen oder Problemumgehungen erhalten den richtigen Typ?>