PyTorch目标检测使用Albumentations做数据增强触发AttributeError怎么解决？

• 核心原因：Albumentations 进行预处理时需要读取图像的shape属性来获取宽高信息，该属性仅 numpy 数组类型的图像具备，而 PyTorch 官方目标检测教程默认使用 PIL 库读取图像，得到的是 PIL.Image 类型对象，本身没有shape属性，所以触发该报错。
• 附加代码笔误：你当前的__getitem__方法还存在两个明显笔误，后续也会触发报错：
  1. 第48行变量名错误，transformer 应为调用变换后得到的 transformed
  2. 第49行数据类型错误，不存在 torch.float332 类型，应为 torch.float32
• 验证集变换不统一：你当前验证集使用的 ToTensor() 如果是 torchvision 提供的实现，和训练集使用的 Albumentations 提供的 ToTensorV2() 输出格式存在差异，会导致后续训练出现格式不匹配问题。

1. PIL图像转numpy数组
   在数据集__getitem__方法中，读取PIL图像后、传入数据增强逻辑前，新增转换代码：

import numpy as np

# 原读取图像代码
img = Image.open(image_path).convert("RGB")
# 新增转换为numpy数组代码
img = np.array(img)
# 后续正常构造image_data传入self.transforms即可

2. 修正两处代码笔误
   将__getitem__中对应的两行代码修改为：

img = transformed['image']
target['boxes'] = torch.as_tensor(transformed['bboxes'], dtype=torch.float32)

3. 统一验证集数据变换逻辑
   将验证集的变换改为和训练集同体系的Albumentations实现：

else:
    return A.Compose([
        ToTensorV2()
    ])

内容的提问来源于stack exchange，提问作者Atia