PyTorch DataLoader返回targets形状异常问题咨询

• 问题根源：你的__getitem__返回的target是Python列表或numpy数组，而非PyTorch张量。DataLoader默认的collate_fn会对这类可迭代对象按元素位置堆叠——22个长度为4的列表，会被拼成4个长度为22的数组，最终形成len(targets)=4、len(targets[0])=22的结构。

• 快速修复：把__getitem__里的target转换成PyTorch张量即可。示例代码：

def __getitem__(self, idx):
    # 生成processed_images的逻辑不变
    # 假设原来的target是列表或numpy数组
    target = [1, 0, 0, 0]  # 你的4维独热向量
    # 转换成张量
    target_tensor = torch.tensor(target, dtype=torch.float32)
    return processed_images, target_tensor

这样DataLoader会自动按batch维度堆叠，得到形状为torch.Size([22,4])的target张量。

• 备选方案：自定义collate_fn
  如果因为某些原因不能提前转成张量，可以自定义数据拼接函数，强制按样本维度堆叠：

def custom_collate(batch):
    # 从batch中提取所有图像和target
    processed_images = torch.stack([sample[0] for sample in batch])
    targets = torch.tensor([sample[1] for sample in batch])
    return processed_images, targets

# 初始化DataLoader时传入自定义collate_fn
dataloader = DataLoader(your_dataset, batch_size=22, collate_fn=custom_collate)

内容的提问来源于stack exchange，提问作者Carlo