PyTorch遍历DataLoader触发__getitem__()传参数量不符TypeError

首次接触PyTorch的开发者编写自定义数据集类，计划通过DataLoader加载张量，构建DataLoader的代码如下：

train_loader = DataLoader(dataset_train, batch_size=6, drop_last=True)

执行遍历DataLoader的代码时：

for i,train_batch in enumerate(train_loader):

触发报错：TypeError: __getitem__() takes 1 positional argument but 2 were given。开发者怀疑报错和依赖库版本有关，所用依赖版本如下：

• matplotlib 3.5.2
• numpy 1.23.0
• opencv-python 4.6.0.66
• torch 1.12.0
• torch-tb-profiler 0.4.0
• torchaudio 0.12.0
• torchvision 0.13.0

该报错和依赖版本没有关系，是自定义数据集类的__getitem__方法定义不符合PyTorch Dataset的接口规范。
PyTorch的DataLoader在取数据时，会自动给数据集的__getitem__方法传入两个位置参数：第一个是数据集实例自身（即self），第二个是当前要读取的样本索引值。如果自定义的__getitem__方法只定义了1个位置参数（通常是只写了self，漏写了索引参数），就会触发当前的参数数量不匹配报错。

1. 检查自定义数据集类的__getitem__方法定义，必须显式传入索引参数，标准写法参考：

from torch.utils.data import Dataset

class YourCustomDataset(Dataset):
    def __init__(self, # 你的初始化入参):
        # 自定义初始化逻辑，比如加载数据路径、预处理配置等
        pass

    def __len__(self):
        # 返回数据集的总样本量
        return 总样本数

    # 必须保留index形参，接收DataLoader传入的索引值
    def __getitem__(self, index):
        # 编写根据索引index取对应样本、标签的逻辑
        # sample = 你的数据张量[index]
        # label = 你的标签张量[index]
        return sample, label

2. 如果__getitem__已经写了index参数仍然报同类错，检查是否错误给__getitem__加了@staticmethod静态方法装饰器，静态方法不会自动传入self参数，会导致参数计数错位，去掉错误装饰器即可。

内容的提问来源于stack exchange，提问作者eli