遍历字典列表时循环失效，无法处理HuggingFace模型训练图像

核心错误点 #

1. 字符串引号嵌套冲突：print语句中外层用双引号，内层访问dataset["image_data"]也用双引号，导致Python语法解析错误，这是触发error found: image_data的直接原因。
2. 无效遍历逻辑：遍历字典所有key的列表，包括空列表（如label_path、image_data），既浪费资源又容易引入无关问题。
3. 路径转义异常：Windows路径中的\未转义，会被解析为转义字符（如\t变成制表符），导致实际路径错误，无法找到图片文件。

修复步骤 #

• 修正print语句的引号：将内层双引号改为单引号，或外层用单引号内层用双引号，也可转义双引号。
• 直接遍历dataset["image_path"]列表：无需遍历整个字典的所有key，聚焦目标数据。
• 修正路径格式：将路径改为原始字符串（前缀加r）或转义反斜杠，确保路径被正确解析。

修正后的代码 #

def images_to_tensor():
    """
    Convert images data to pytorch tensor by converting them to RGB values and then tensors using model processor.
    
    Parameters:
    None

    Returns:
    None
    """
    
    processor = DonutProcessor.from_pretrained("naver-clova-ix/donut-base")

    try:
        # 直接遍历目标路径列表，跳过无效遍历
        for img_path in dataset["image_path"]:
            with open(img_path, "rb") as file:                    
                image_rgb = Image.open(file).convert("RGB")
                image_tensor = processor(images=image_rgb, return_tensors="pt").pixel_values.squeeze(0)
                
                dataset["image_data"].append(image_tensor)
       
        # 修正引号冲突，用单引号包裹内层键名
        print(f"dataset length image_data : {len(dataset['image_data'])}")
    
    except Exception as e:
        # 打印完整错误栈，方便排查深层问题
        import traceback
        traceback.print_exc()
        print(f"error found: {str(e)}")
    
    return None

# 修正路径格式的字典示例
dataset = {
    "image_path": [r".\my\path\to.jpeg", r".\my\path\to2.jpeg"],  # 加r使用原始字符串避免转义
    "label_path": [],
    "image_data": [],
    "label_data": []
}

额外排查建议 #

• 添加调试打印（如print(f"Processing path: {img_path}")），确认是否正确遍历到目标路径。
• 用os.path.exists(img_path)验证路径是否实际存在，排除文件不存在的问题。

内容的提问来源于stack exchange，提问作者Max Mougg