这个报错本质就是你传给 Trainer 的 batch 批次数据格式不对，要么 collate_fn 输出了元组、张量、自定义类对象，不是标准字典，要么字典里的 key 和 model.forward 接收的参数对不上，Trainer 内部调用 vars () 去解析批次对象的时候，这个对象没有__dict__属性，直接抛出异常，同时 Trainer 要求批次字典的键必须和 forward 入参一一对应，不然就算是字典也会出连锁报错。很多人是自定义 Dataset、自定义 collate 函数之后踩这个坑，默认的 transformers collator 输出是字典，一般不会报错，自己改写整理逻辑之后很容易返回 tuple 或者单个 tensor，vars () 没法解析这类没有__dict__的对象。
一、报错产生的核心原因清单
- collate_fn 返回的不是字典，是 tuple、list、单个 torch 张量，vars () 不能作用在张量、元组上
- 批次是字典，但是字典 key 和 forward 函数接收参数名称不一致，forward 拿不到对应参数
- compute_metrics 里错误把非字典对象传给 vars ()，评估阶段触发报错
- 自定义模型 forward 参数写死，但是数据集返回的字典多了或者少了 key
- 自定义包装类、DataLoader 输出自定义实例对象，这类对象没有__dict__属性
二、分步排查修复步骤
- 打印 batch 类型，先确认 DataLoader 输出是不是 dict
- 对齐 forward 入参和 batch 字典 key
- 修正 collate_fn 返回格式
- 检查 compute_metrics 代码
- 测试单条 forward
在 dataset 或者 collate 函数末尾加打印：print (type (batch), batch.keys ())，如果打印出来不是 dict，优先修改 collate 返回值，强制返回字典。
比如 forward 定义 def forward (self, input_ids, attention_mask, labels):，那么 batch 字典必须包含 input_ids、attention_mask、labels 这几个 key，多余的 key 建议删掉，缺少的 key 要在数据整理阶段补齐。
不要直接 return (x,y)，改成 return {"input_ids":x, "labels":y}，保证返回标准 Python 字典。
不要在指标计算函数里对 batch、模型输出直接使用 vars ()，如果需要取字段，用字典 [] 取值方式代替 vars ()。
单独拿一个 batch 字典，直接调用 model (**batch)，能正常跑通再交给 Trainer，这个是最稳妥的校验方式。
三、正确与错误格式对照表格
| 类型 | 示例 | 是否可用 |
|---|---|---|
| 错误 | return tensor_x | 不可用，无__dict__，触发 vars 报错 |
| 错误 | return (tensor_x, tensor_y) | 不可用，元组不能给 vars 解析 |
| 正确 | return {"input_ids":tensor_x, "labels":tensor_y} | 可用，字典，key 和 forward 对齐 |
| 错误 | 自定义 class 实例对象 | 不可用，缺少__dict__属性 |
四、最终校验结论
只要保证 collate_fn 输出标准字典，字典里面所有 key 和 forward 的入参名称完全匹配，不在指标、前向代码里随便对张量、元组调用 vars ()，这个 TypeError 就可以消除，Trainer 就能正常接收批次数据做训练和评估。
【相关 FAQ】
问题 1：Trainer 报 vars () argument must have dict attribute，只用改 collate_fn 就可以吗？
回答 1：大部分情况修改 collate_fn，让它输出和 forward 对齐的批次字典就能解决；如果 collate 已经是字典，就要检查 forward 参数、compute_metrics 里有没有误用 vars ()。
问题 2：批次字典 key 比 forward 参数多，会触发 vars () argument must have dict attribute 这个报错吗？
回答 2：不会直接触发这个 vars 报错，但会出现 forward 收到多余参数的报错，Trainer 要求批次字典和 forward 对齐，多余 key 建议清理，保证批次字典匹配 forward 入参。
问题 3：forward 用kwargs 接收参数，还会出现 vars () argument must have dict attribute 吗？
回答 3：如果 collate 输出不是字典，依然会报这个 vars 错误；只要批次是字典，哪怕 forward 用kwargs 接收，就不会触发这个报错，但依然要保证批次字典里的字段是模型需要的。
【参考资料】
[2025-06-13]（PyTorch DataLoader collate_fn 文档）PyTorch 官网
[2022-12-26]（Trainer evaluate vars () argument must have dict attribute 问题讨论）PyTorch 论坛
【免责声明】
本文内容仅针对 HuggingFace Trainer 该报错场景提供技术排查方案，不同版本 transformers、PyTorch、自定义模型代码存在差异，方案仅供调试参考，不保证适配所有代码环境，不承担因代码修改带来的训练异常、数据损失等相关责任。
本文来自作者[雾棱关守使]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/rgzn/202611/628.html
评论列表（4条）
我是乌兰科技网的签约作者“雾棱关守使”！
希望本篇文章《HuggingFace Trainer 报错 vars () argument must have dict attribute 批次字典与 forward 对》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：这个报错本质就是你传给 Trainer 的 batch 批次数据格式不对，要么 collate_fn 输出了元组、张量、自定义类对象，不是标准字典，要么字典里的 key 和 model.forward 接收的参数对不上，Trainer 内部调用 vars () 去解析批次对象的时候，这个对象没有__dict__属性，直接抛出异常，同时 Trainer 要求批次字典的键必须和 forward 入参一一对应，不然就算是字典也会出连锁报错。很多人是自定义 Dataset、自定义 collate 函数之后踩这个坑，默认的 transformers collator 输出是字典，一般不会报错，自己改写整理逻辑之后很容易返回 tuple 或者单个 tensor，vars () 没法解析这类没有__dict__的对象。