如何用PyTorch将文件夹图片转为张量？加载报错求解决

你保存的是ImageFolder数据集实例，而非已转换好的图片张量集合。加载后直接用torch.Tensor()尝试转换整个数据集，会触发错误——因为该方法仅能处理单个元素张量或可转为标量的对象，无法直接解析包含多个样本的数据集对象。

方法1：提前提取并保存所有图片张量 #

修改保存代码，把数据集中所有图片的张量提取出来合并成一个大张量后保存，这样加载后直接得到张量集合：

import torch
from torchvision import transforms, datasets

transform = transforms.Compose([transforms.ToTensor()])
dataset = datasets.ImageFolder(r'imagedata', transform=transform)

# 提取所有图片张量，拼接成形状为 [样本数, 通道数, 高, 宽] 的大张量
all_image_tensors = torch.stack([sample[0] for sample in dataset])
torch.save(all_image_tensors, 'train_data.pt')

加载代码简化为：

train_codes = torch.load(os.path.join(self.data_dir, "train_data.pt"))

方法2：直接加载数据集对象并正常使用 #

如果需要保留数据集的标签等配套信息，无需转成单个张量，直接加载后按数据集方式操作：

# 加载保存的数据集对象
dataset = torch.load(os.path.join(self.data_dir, "train_data.pt"))

# 获取单个样本（图片张量 + 标签）
single_image, single_label = dataset[0]

# 批量处理可搭配DataLoader
from torch.utils.data import DataLoader
dataloader = DataLoader(dataset, batch_size=32, shuffle=True)
for batch_images, batch_labels in dataloader:
    # 执行你的批量数据处理逻辑
    pass

注意：直接保存ImageFolder对象时，需确保原图片文件夹的结构（目录、分类文件夹名称）未发生变化，否则加载后可能无法正确读取图片（ImageFolder本质是懒加载模式，保存的是数据集配置而非已转换的张量）。优先推荐方法1，能直接保存已转换好的张量，避免路径依赖问题。

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