【Bug已解决】Using numpy==2.0.0 解决方案

一、现象长什么样

把环境的numpy升到2.0.0后，原本跑得好好的 Transformers / Tokenizers / 训练脚本开始报一堆AttributeError：

import numpy as np from transformers import AutoTokenizer tok = AutoTokenizer.from_pretrained("bert-base-uncased") ids = tok("hello world", return_tensors="np")["input_ids"] print(ids.dtype)

报错：

AttributeError: module 'numpy' has no attribute 'int'. Did you mean: 'inf'?

或者：

AttributeError: module 'numpy' has no attribute 'bool' AttributeError: module 'numpy' has no attribute 'float' AttributeError: module 'numpy' has no attribute 'object'

也可能不报错但行为变：np.array([1,2,3]).tolist()没问题，但某些代码靠np.int做类型标注、靠np.bool做 dtype 比较时静默拿错类型，下游np.array(..., dtype=np.int)直接炸。

最迷惑的是：报错出现在「你没改过的第三方库」里（tokenizers、transformers 的某个modeling_xxx、或者你自己的数据预处理脚本），你只升了 numpy，没动代码，于是满屏AttributeError不知道从哪修。

二、背景

NumPy 2.0 做了一个大清理：删除了大量 Python 内置类型的别名。这些别名长期被标为 deprecated，2.0 直接移除：

很多老代码（包括一些尚未来得及适配 NumPy 2.0 的库版本）里写的是dtype=np.int/np.array(x, dtype=np.bool)。在 NumPy 1.x 只是告警，升到 2.0 直接AttributeError。

另外 NumPy 2.0 还改了一些行为：np.linalg默认更严格、copy=语义变化、np.printoptions精度等，但最普遍、最先炸的就是上面这批别名。

三、根因

根因一句话：NumPy 2.0 移除了np.int/np.float/np.bool/np.object/np.str等 Python 类型别名，而代码（含第三方库）仍用这些别名做 dtype/类型标注，升级后直接AttributeError。

三点展开：

1. 别名被删：np.int等不再存在，任何引用立即AttributeError。
2. 散落多处：不止你的脚本，transformers/tokenizers/数据增强库里都可能藏着dtype=np.int类写法，难以一处修完。
3. 缺兼容垫片：没有一层「把旧别名映射到新名字」的兼容层，升级即全线中招。

不是模型问题，是「NumPy API 契约」在升级后断裂。

四、最小可运行复现

不依赖真实库，模拟别名移除：

import numpy as np # 模拟「升级到 numpy 2.0 后，np.int 等别名被删」 for alias in ["int", "float", "bool", "object", "str"]: if not hasattr(np, alias): print(f"np.{alias} 不存在 -> 旧代码会 AttributeError") # 旧写法 try: a = np.array([1, 2, 3], dtype=np.int) # 2.0 下炸 print("旧写法 OK") except AttributeError as e: print("旧写法炸:", e) # 新写法 a = np.array([1, 2, 3], dtype=np.int64) # 正确 b = np.array([True, False], dtype=np.bool_) # 正确 print("新写法 dtype:", a.dtype, b.dtype)

跑出来：np.int等逐一报「不存在」，旧dtype=np.int直接AttributeError，改用np.int64/np.bool_后正常。这就是升 numpy 后满屏报错的精确复现。

五、解决方案（第一层：最小直接修复）

最小修复：把所有np.int/np.float/np.bool/np.object/np.str替换为正确的内置类型或 NumPy 2.0 名称。

import numpy as np # 旧（numpy 1.x 告警，2.0 报错） # arr = np.array([1, 2, 3], dtype=np.int) # mask = np.array([True, False], dtype=np.bool) # 新（numpy 1.x / 2.0 都兼容） arr = np.array([1, 2, 3], dtype=np.int64) # 或用内置 int mask = np.array([True, False], dtype=np.bool_) # 类型标注也改 def foo(x: int) -> float: # 用内置，不用 np.int / np.float return float(x) # 若第三方库内部仍用旧别名，临时加兼容垫片（仅应急） import numpy as _np for _old, _new in [("int", _np.int64), ("float", _np.float64), ("bool", _np.bool_), ("object", _np.object_), ("str", _np.str_)]: if not hasattr(_np, _old): setattr(_np, _old, _new)

要点：

• 优先用 Python 内置int/float/bool/str/object，它们和 NumPy 2.0 完全兼容，且 1.x 也兼容。
• 需要具体精度时用np.int64/np.float64/np.bool_/np.object_/np.str_。
• 第三方库没适配时，临时垫片可应急，但长期应升级该库。

这一步单独就让AttributeError消失。

六、解决方案（第二层：结构性改进）

第一层是「逐个改别名」。但项目里散落很多处、且第三方库也有，最好把「numpy 2.0 兼容」收敛成单一垫片模块，集中映射，且能一键开关/告警。

from dataclasses import dataclass, field from typing import Dict import numpy as np @dataclass class NumpyCompatShim: """NumPy 2.0 别名的集中兼容层。""" # 旧别名 -> 新对象 _MAP: Dict[str, object] = field(default_factory=dict, init=False, repr=False) def __post_init__(self): self._MAP = { "int": np.int64, "float": np.float64, "bool": np.bool_, "object": np.object_, "str": np.str_, "long": np.int64, "unicode": np.str_, } def install(self, warn: bool = True): """把缺失的别名补回 numpy 命名空间（应急兼容）。""" for old, new in self._MAP.items(): if not hasattr(np, old): if warn: import warnings warnings.warn( f"为兼容临时注册 np.{old}，建议改代码用 {new.__name__}", DeprecationWarning, ) setattr(np, old, new) def check_usages(self, codebase_glob): """（示意）扫描代码里是否还有 np.int 等旧写法。""" import subprocess, shlex pattern = "|".join(f"np\\.{k}" for k in self._MAP) # 实际项目用 rg/grep 扫，这里只返回 pattern 供 CI 使用 return pattern # 用法：进程启动时 shim = NumpyCompatShim() shim.install(warn=True)

结构收益：

• 集中映射：所有别名替换规则在一处，便于审计。
• 可告警：install(warn=True)让每次应急注册都抛DeprecationWarning，提醒你真去改代码。
• 可扫描：check_usages提供 pattern 给 CI 静态扫，防止旧写法回潮。

七、解决方案（第三层：断言 / CI 守护）

写 pytest 守两条：(1) 代码里不再出现np.int等旧别名；(2) 修复后 dtype 行为正确。

import numpy as np import pytest from your_lib import NumpyCompatShim def test_no_legacy_aliases_in_codebase(): # CI 里用 rg 扫源码，发现旧别名即失败 import subprocess pattern = r"np\.(int|float|bool|object|str|long|unicode)\b" try: out = subprocess.run( ["rg", "-n", pattern, "--glob", "*.py", "src/", "--files-with-matches"], capture_output=True, text=True, ) except FileNotFoundError: pytest.skip("rg 未安装") assert out.stdout.strip() == "", f"仍含旧 numpy 别名:\n{out.stdout}" def test_dtype_works_on_numpy2(): arr = np.array([1, 2, 3], dtype=np.int64) mask = np.array([True, False], dtype=np.bool_) assert arr.dtype == np.int64 assert mask.dtype == np.bool_ def test_shim_registers_missing_aliases(): shim = NumpyCompatShim() # 模拟 np.int 被删的场景 if hasattr(np, "int"): del np.int shim.install(warn=False) assert hasattr(np, "int") assert np.int is np.int64 def test_builtin_types_still_work(): # 优先用内置类型，1.x/2.0 都兼容 a = np.array([1, 2], dtype=int) assert a.dtype == np.int64 or a.dtype == np.int32

CI 常驻跑这四条后，任何「又写回 np.int」的回归都会立刻爆红。

八、排查清单

升 numpy 2.0 后满屏AttributeError时按顺序查：

1. 先确认报错是不是module 'numpy' has no attribute 'int'/'bool'/'float'/'object'/'str'——是的话定位别名移除。
2. 全局搜np.int\b、np.float\b、np.bool\b、np.object\b、np.str\b，逐处改成内置/np.int64等。
3. 类型标注里的np.int等也一并改（用 Python 内置int/float/bool/str/object）。
4. 第三方库（tokenizers/transformers 旧版）若仍用旧别名，先升级该库；紧急时用NumpyCompatShim垫片。
5. 确认不是只改了自己代码、漏了return_tensors="np"触发的库内部路径。
6. 注意np.bool→np.bool_，np.object→np.object_，带下划线，别漏。
7. 升完后跑一次「tokenizer + generate + 训练」冒烟，确认无AttributeError。

九、小结

升级numpy==2.0.0后满屏AttributeError，根子是 NumPy 2.0 移除了np.int/np.float/np.bool/np.object/np.str等 Python 类型别名，而代码和第三方库仍用这些别名做 dtype/标注。修复三层次：第一层把别名替换为内置类型或np.int64/np.bool_等；第二层用NumpyCompatShimdataclass 集中映射并加DeprecationWarning告警、提供 CI 扫描 pattern；第三层用 pytest 守「代码无旧别名」「dtype 行为正确」「垫片能补」「内置类型可用」。

工程启示：依赖numpy的项目，类型标注和 dtype 一律用 Python 内置（int/float/bool/str/object）或带下划线的 NumPy 类型（np.int64/np.bool_），永远别用np.int这类历史别名。这不仅是 2.0 兼容，也是消除 1.x 上 DeprecationWarning 的好习惯。