使用PyTorch进行数据增强时变换未生效的问题咨询

1. 变换代码未执行的核心原因 #

你仅完成了数据集的实例化，但**__getitem__方法只有在通过索引访问数据集元素时才会触发**（比如执行dataset_pred_trans[0]）。仅仅创建dataset_pred_trans对象不会运行任何数据加载和变换逻辑，自然不会执行if self.transform里的代码块。

2. 隐藏的类型不匹配问题 #

即使触发了__getitem__，你还会遇到报错：从h5py读取的image_amplitude和image_phase是numpy数组，但torchvision.transforms.Resize默认只支持PIL Image或torch.Tensor类型，直接传入numpy数组会抛出类型错误。需要补充类型转换步骤：

修改变换链：

transforms = torchvision.transforms.Compose([
    torchvision.transforms.ToPILImage(),  # 将numpy数组转为PIL Image
    torchvision.transforms.Resize((64,64)),
    torchvision.transforms.ToTensor()  # 可选，转为Tensor适配PyTorch模型
])

验证与调试步骤 #

1. 实例化数据集后，手动访问元素触发逻辑：

sample = dataset_pred_trans[0]
# 检查变换后的尺寸是否符合预期
print(sample['image_amplitude'].shape)

2. 可在__init__中添加打印，确认变换对象是否被正确传入：

def __init__(self, h5py_file, subset='train', transform=None):
    self.f = h5py.File(h5py_file,'r')
    self.transform = transform
    self.subset = subset
    print(f"传入的变换对象: {self.transform}")  # 验证传参是否成功

内容的提问来源于stack exchange，提问作者Peter