DataLoader迭代时ValueError求助：预期2个值却仅得到1个

问题根源 #

你在遍历train_dl时试图把每个batch解包成samples和labels两个变量，但DataLoader每次只返回1个元素，导致报错。核心原因是你的原始数据集ds的__getitem__方法没有返回**(样本, 标签)**形式的二元组，而是仅返回单个值（比如只有样本数据，或只有标签）。

解决方案 #

1. 修正自定义Dataset的__getitem__方法 #

确保你的Dataset类在获取元素时返回包含样本和标签的二元组，示例代码如下：

from torch.utils.data import Dataset

class CustomDataset(Dataset):
    def __init__(self, data_samples, data_labels):
        self.samples = data_samples
        self.labels = data_labels
    
    def __len__(self):
        return len(self.samples)
    
    def __getitem__(self, idx):
        # 必须返回 (样本, 标签) 二元组
        return self.samples[idx], self.labels[idx]

2. 先调试验证DataLoader输出 #

如果不确定Dataset的返回结构，可先添加调试代码确认：

# 取出DataLoader的第一个batch查看
first_batch = next(iter(train_dl))
print("Batch类型:", type(first_batch))
if isinstance(first_batch, (tuple, list)):
    print("Batch包含元素数量:", len(first_batch))
else:
    print("Batch不是可拆分的二元组结构")

如果输出元素数量为1，说明Dataset确实只返回单个值，需优先修改Dataset的__getitem__方法。

3. 确认random_split的输入合法性 #

random_split仅拆分数据集的样本数量，不会改变每个样本的结构，因此问题必然出在原始数据集ds的定义上，无需修改random_split或DataLoader的创建代码。

额外提示 #

你提到编写的是TensorFlow代码，但实际使用了PyTorch的torch、DataLoader等API，注意避免框架混用可能带来的其他问题，但当前错误与框架混用无关，聚焦Dataset返回值即可。

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