自定义PyTorch Dataset用于BERT微调时触发TypeError如何解决

云上老周

2026-8-28

报错核心原因

你自定义Dataset子类时，Python类的特殊方法（魔法方法）命名错误：所有需要被父类识别的特殊方法，名称前后必须是双下划线，你写的是单下划线，导致Python没有识别到你定义的构造方法，传入的inputs参数无法被接收，最终触发实例化报错。

可直接运行的修复后代码

import torch
from torch.utils.data import Dataset

class MeditationsDataset(Dataset):
    def __init__(self, encodings):
        self.encodings = encodings

    def __getitem__(self, idx):
        # 编码结果本身已是Tensor类型，无需重复转换
        return {key: val[idx] for key, val in self.encodings.items()}

    def __len__(self):
        # 字典类型用键索引取值，不要用属性访问
        return len(self.encodings["input_ids"])


dataset = MeditationsDataset(inputs)

具体修改点

修正所有特殊方法的命名：将单下划线包裹的_init_/_getitem_/_len_改为双下划线包裹的__init__/__getitem__/__len__，这是解决TypeError的核心修改。
移除__getitem__中多余的torch.tensor()包装：你提供的编码后数据本身就是PyTorch张量，重复转换会触发张量拷贝警告，直接索引取值即可。
修正__len__中的取值逻辑：你的编码结果是普通Python字典，不存在.input_ids属性，改用键访问self.encodings["input_ids"]即可避免后续运行时的属性报错。