Jupyter Notebook运行PyTorch代码遇AttributeError: 'numpy.int64'无'read'属性

错误原因 #

• 核心问题出在自定义数据集类CustomDataSet的__getitem__方法中：self.dataframe.iloc[idx, 15]取出的是numpy.int64类型的数值，而非图片文件的路径字符串。当Image.open()接收这个数值作为参数时，PIL库会默认将其当作可读取的文件对象处理，尝试调用read()方法，但数值类型没有该属性，因此抛出报错。

解决方法 #

1. 确认CSV文件路径列的正确性 #

检查你使用的CSV文件第15列（注意pandas列索引从0开始）的内容：

• 如果该列原本应该存储图片路径，但被pandas解析成了数值类型，需要调整CSV文件内容，或者在pd.read_csv()时指定该列为字符串类型，比如：

  self.dataframe = pd.read_csv(csv_file, dtype={15: str})
  

2. 修正路径获取逻辑 #

确保img_path是有效的字符串路径：

• 如果CSV中第15列的数值对应图片文件名（比如图片命名为数字），将数值转为字符串，同时拼接根目录（如果root_dir是图片所在文件夹）：

  def __getitem__(self, idx):
      if torch.is_tensor(idx):
          idx = idx.tolist()
      # 将数值转为字符串路径
      img_path = str(self.dataframe.iloc[idx, 15])
      # 拼接完整路径
      img_full_path = os.path.join(self.root_dir, img_path)
      image = Image.open(img_full_path).convert("RGB")
      tensor_image = self.transform(image)
      return tensor_image
  

• 如果CSV中第15列不是路径列，确认正确的路径列索引，替换代码中的15为对应索引值。

3. 增加路径校验（可选但推荐） #

在代码中加入校验逻辑，方便快速定位问题：

def __getitem__(self, idx):
    if torch.is_tensor(idx):
        idx = idx.tolist()
    img_path = self.dataframe.iloc[idx, 15]
    # 打印路径和类型，排查问题
    print(f"当前索引{idx}的路径：{img_path}，类型：{type(img_path)}")
    img_path = str(img_path)
    img_full_path = os.path.join(self.root_dir, img_path)
    # 检查文件是否存在
    if not os.path.exists(img_full_path):
        raise FileNotFoundError(f"无法找到图片：{img_full_path}")
    image = Image.open(img_full_path).convert("RGB")
    tensor_image = self.transform(image)
    return tensor_image

4. 验证DataLoader构建 #

确保testloader的构建正确，数据集实例化时传入了正确的root_dir和transform参数，避免路径拼接错误。

内容的提问来源于stack exchange，提问作者Murad Ali