使用GTZAN数据集时，频谱图转换为Tensor为何全为1？

我正在做基于GTZAN数据集的音乐风格分类项目，这个数据集包含1000首分属10种风格的歌曲。现在尝试把歌曲的频谱图数据集转换成Tensor，但得到的结果全是值为1的Tensor。

我的实现代码如下：

transform = T.Compose([
T.Resize(image_size),
T.ToTensor()
])

data = torchvision.datasets.ImageFolder(root = root, transform = transform)

train_loader = DataLoader(train_dataset,
                          batch_size=batch_size,
                          shuffle=True)
test_loader = DataLoader(test_dataset,
                         batch_size*2)

dataiter = iter(train_loader)
images, labels = dataiter.next()

返回的images[1]示例如下：

tensor([[[1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.],
         ...,
         [1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.]],

        [[1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.],
         ...,
         [1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.]],

        [[1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.],
         ...,
         [1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.],
         [1., 1., 1.,  ..., 1., 1., 1.]]])

排查方向与解决方法 #

• 数据划分漏洞：代码里定义了data但直接用了train_dataset和test_dataset，这两个变量没有定义过程。大概率是没做数据集划分，或者划分时没关联带transform的data。正确划分示例：

  from torch.utils.data import random_split
  
  train_size = int(0.8 * len(data))
  test_size = len(data) - train_size
  train_dataset, test_dataset = random_split(data, [train_size, test_size])
  

• 图像本身异常：打开数据集里的任意一张频谱图，如果是纯白色（RGB值255），那ToTensor()归一化后自然全是1.0。这种情况要检查频谱图生成过程是否出错。
• 单独测试验证：跳过DataLoader，直接加载单张图测试转换结果，定位问题点：

  from PIL import Image
  
  img_path = "数据集内某张频谱图的路径"
  img = Image.open(img_path).convert('RGB')
  transformed_img = transform(img)
  print(f"最小值：{transformed_img.min()}，最大值：{transformed_img.max()}")
  

  如果输出的最小、最大值都是1.0，说明图像本身有问题；否则就是数据集加载/划分环节出错。

内容的提问来源于stack exchange，提问作者Hector