PyTorch DataLoader加载64位TIFF图像报通道数错误问题求解

报错TypeError: Input image tensor permitted channel values are [3], but found 128由两个核心问题导致：

1. 自定义loader的返回格式不符合torchvision数据集的预期：你在rasterio读取分支里做了冗余的tensor-numpy-tensor转换，且直接返回tensor类型，打破了原生loader返回PIL/accimage图像对象（HWC维度顺序）的约定，极易导致后续transform逻辑把空间维度（比如宽度为128的维度）识别为通道维度。
2. 预处理流水线硬编码了3通道RGB逻辑：你大概率直接复用了面向普通RGB图像的transform配置（比如固定3通道的Normalize参数、适配8位图像的ToTensor逻辑），既没有适配64位TIFF的高位深属性，也没有处理维度错位后的通道数校验问题。
   如果你的TIFF是高光谱等真实多波段数据，rasterio默认读取全部波段会返回128通道数组，和3通道预处理逻辑冲突也会触发同类报错。

• 单步调试loader：取一张报错的TIFF文件，单独执行rasterio读取逻辑，打印返回数组的shape和dtype，确认是真实存在128个波段，还是维度顺序错位导致空间维被识别为通道维。
• 检查transform流水线：移除所有硬编码3通道的配置，确认没有对已经是tensor类型的输入重复执行ToTensor转换（ToTensor仅对PIL/numpy数组生效，输入tensor时会直接透传，不会修正维度顺序）。
• 核对CustomImageFolder实现：确认自定义类没有在调用loader后额外修改图像维度顺序，和原生ImageFolder的处理逻辑保持一致。

以下修正版loader完全对齐torchvision原生loader的返回约定，同时支持普通PNG/JPG和64位TIFF读取，无需大幅修改原有数据集逻辑：

from typing import Any
import numpy as np
import torch
from PIL import Image
import accimage
import rasterio
from torchvision import get_image_backend

def pil_loader(path: str) -> Image.Image:
    with open(path, "rb") as f:
        img = Image.open(f)
        # 单通道图像此处改为return img.convert("L")
        return img.convert("RGB")

def accimage_loader(path: str) -> Any:
    try:
        return accimage.Image(path)
    except Exception:
        with rasterio.open(path) as src:
            img_arr = src.read()
            # 对齐PIL/accimage返回的HWC维度顺序
            if img_arr.shape[0] == 1:
                # 单通道图像压缩通道维度，返回(H,W)格式
                img_arr = img_arr.squeeze(0)
            else:
                # 多通道图像从CHW转为HWC
                img_arr = img_arr.transpose(1, 2, 0)
            # 高位深图像转float32避免PIL转换报错
            if img_arr.dtype not in [np.uint8, np.int32]:
                img_arr = img_arr.astype(np.float32)
            return Image.fromarray(img_arr)

def default_loader(path: str) -> Any:
    if get_image_backend() == "accimage":
        return accimage_loader(path)
    else:
        try:
            return pil_loader(path)
        except Exception:
            # PIL读取失败时走rasterio兜底
            with rasterio.open(path) as src:
                img_arr = src.read()
                if img_arr.shape[0] == 1:
                    img_arr = img_arr.squeeze(0)
                else:
                    img_arr = img_arr.transpose(1, 2, 0)
                if img_arr.dtype not in [np.uint8, np.int32]:
                    img_arr = img_arr.astype(np.float32)
                return Image.fromarray(img_arr)

使用注意事项 #

• 如果处理单通道64位TIFF（医学影像、深度图、DEM等），将pil_loader中的convert("RGB")改为convert("L")，同时将后续Normalize的均值、标准差改为单通道对应值，不要复用3通道RGB的预处理参数。
• 如果处理真实128波段的高光谱TIFF，不要将数组转为PIL Image（PIL最多支持4通道），直接返回HWC格式的numpy数组，保留transform中的ToTensor（会自动完成HWC到CHW的tensor维度转换），同步修改预处理和模型首层输入通道数为128即可。
• 不要在loader中直接返回torch.Tensor，所有tensor转换、归一化逻辑统一放在transform流水线中处理，避免维度顺序混乱。

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