构建PyTorch数据集时，为何test_data报'int' object is not callable错误？

你的代码里存在两个关键问题，其中拼写错误直接触发了报错：

1. 变量名拼写错误（核心报错原因） #

在拆分数据集的代码行中，你把test_label拼写成了tets_label：

train_data, test_data, train_label, tets_label = train_test_split(T_data, T_label, test_size= .2)

后续创建测试数据集时，你调用了未定义的test_label：

test_data  = TensorDataset(test_data, test_label)

如果你的运行环境中之前恰好存在一个名为test_label的整数变量，就会触发"int object is not callable"错误——因为TensorDataset需要接收张量类型的输入，而你传入了一个整数，Python会尝试将其当作可调用对象处理，进而报错。

2. 冗余的初始数据（非报错但可优化） #

你初始化的data = np.array([[1,1]])和label = np.array([2])会被后续循环的内容重复添加（循环范围包含了i=1的情况），可以直接初始化空数组避免数据冗余：

data = np.empty((0, 2), int)
label = np.empty((0,), int)

import numpy as np
import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.utils.data import DataLoader, TensorDataset
from sklearn.model_selection import train_test_split

# 初始化空数组避免冗余
data = np.empty((0, 2), int)
label = np.empty((0,), int)

for i in range(-5000, 5001, 1):
    data = np.append(data, [[i, i]], axis=0)
    label = np.append(label, [i + i])

# 转换为张量
T_data = torch.tensor(data).float()
T_label = torch.tensor(label).long()

# 修正变量名拼写错误
train_data, test_data, train_label, test_label = train_test_split(T_data, T_label, test_size=.2)

# 转换为PyTorch数据集
train_data = TensorDataset(train_data, train_label)
test_data = TensorDataset(test_data, test_label)

内容的提问来源于stack exchange，提问作者Rainbow