PyTorch汽车品牌分类模型训练报错：'Image' object不可下标访问

错误原因分析 #

从错误栈可定位问题出在CarBrandDataset的__getitem__方法中：

image.transform(image.size, Image.AFFINE, image) 

这行代码误用了PIL库的Image.transform方法：该方法的第三个参数data需要传入长度为6的仿射变换参数序列，但你直接传入了Image对象本身。当PIL内部尝试执行data[:6]时，Image对象不支持下标操作，因此触发TypeError: 'Image' object is not subscriptable。

更关键的是，这行代码完全违背你的初衷——你本来应该应用定义好的PyTorch Transform组合，而非调用PIL的底层变换方法。

解决方案 #

1. 修正Transform的应用方式 #

修改CarBrandDataset的__getitem__方法，将错误的变换调用替换为正确的PyTorch Transform应用：

def __getitem__(self, index):
    image_path = os.path.join(self.data_dir, self.image_paths[index])
    xml_path = os.path.splitext(image_path)[0] + '.xml'

    image = Image.open(image_path).convert('L') # 转为灰度图
    # 修正：应用PyTorch Transform组合
    if self.transform:
        image = self.transform(image) 
        
    # 解析XML
    tree = ET.parse(xml_path)
    root = tree.getroot()
    brand_label_mapping = {
        'bmw': 0,
        'citroen': 1,
        'mercedes': 2,
        'maserati': 3,
        'audi': 4,
        'honda': 5
    }
    # 注意：此处需根据XML实际结构调整，示例假设品牌标签在<brand>节点中
    brand_label_str = root.find('brand').text.strip()
    brand_label =  brand_label_mapping.get(brand_label_str, -1)
    return image, brand_label

2. 修正模型全连接层的输入维度 #

你的CarBrand模型中fc1的输入维度计算错误：
初始输入为300×300的灰度图，经过三次MaxPool2d(kernel_size=2, stride=2)后，尺寸会连续减半三次：

• 第一次池化后：150×150
• 第二次池化后：75×75
• 第三次池化后：37×37（整数除法向下取整）

因此fc1的输入维度应为128 * 37 * 37，而非128*300*300*1，修改模型代码：

self.fc1 = nn.Linear(128 * 37 * 37, 512) # 修正全连接层输入维度

3. 调整Transform的顺序（可选但推荐） #

当前Transform的顺序是ToTensor()→Normalize()→Resize()，正确顺序应先调整尺寸，再转张量、归一化，避免归一化后的数据被Resize操作破坏：

transform = transforms.Compose([
    transforms.Resize(300),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.5], std=[0.5]),
])

额外注意事项 #

• 确保XML文件中品牌标签路径正确：原代码中的root.text大概率无法正确提取品牌名称，需根据你的XML结构调整（比如root.find('brand').text），否则会导致标签为-1，训练无效。
• 检查标签映射覆盖性：确保所有XML中的品牌名称都在brand_label_mapping中，避免出现无效标签。

内容的提问来源于stack exchange，提问作者Cihan Yalçın