图像分类加载EuroSAT数据集时Resize报错：Size需为int/sequence，实际为dict

错误原因 #

你的代码中feature_extractor.size返回的是字典类型（比如{'height': 224, 'width': 224}），而torchvision的Resize、CenterCrop等变换需要的参数是整数（等比例缩放短边至该值）或长度为2的序列（指定固定的高和宽），直接传入字典就会触发类型错误。

解决方案 #

从feature_extractor.size字典中提取height和width值，组成元组传入变换即可。修改后的代码如下：

dataset = load_dataset("imagefolder", data_dir="/content/drive/MyDrive/datasets/EuroSAT_RGB/")

model_checkpoint = "microsoft/swin-tiny-patch4-window7-224"
feature_extractor = AutoFeatureExtractor.from_pretrained(model_checkpoint)

# 提取高宽组成元组
target_size = (feature_extractor.size["height"], feature_extractor.size["width"])

val_transforms = Compose(
        [
            Resize(target_size),
            CenterCrop(target_size),
            ToTensor(),
            normalize,
        ]
    )

如果模型输入是正方形尺寸（比如Swin的224x224），也可以简化为直接取其中一个值（因为Resize接受整数时会等比例缩放短边到该值，后续CenterCrop再裁剪到固定尺寸）：

target_size = feature_extractor.size["height"]

val_transforms = Compose(
        [
            Resize(target_size),
            CenterCrop(target_size),
            ToTensor(),
            normalize,
        ]
    )

内容的提问来源于stack exchange，提问作者Subhram Dasgupta