使用torchvision构建图像分割DataLoader时路径找不到识别0文件如何解决

安全阿岳

2026-9-28

错误原因

ImageFolder目录结构不匹配：torchvision.datasets.ImageFolder默认要求传入的根目录下必须存放按类别划分的子文件夹，所有图片必须放到对应类别的子文件夹内，不能直接存放在根目录train_images下，否则无法识别到图片文件。
路径配置错误：路径中的NAME未替换为当前设备的实际用户名，或是路径存在大小写错误、特殊字符未转义、目录实际不存在的问题，导致系统无法找到目标路径。
图片格式不被支持：ImageFolder默认仅识别.jpg、.jpeg、.png、.bmp等常见图片格式，若数据集图片为自定义格式、未正确保存为后缀名合规的文件，也会被过滤。
额外代码错误：你提供的代码存在拼写和缩进问题，torch.utils.data.Dataloader应为torch.utils.data.DataLoader（首字母L大写），且函数体内的代码未做缩进，后续运行也会抛出语法错误。
任务适配问题：ImageFolder是为图像分类任务设计的接口，仅返回图片和类别标签，无法适配图像分割任务需要同时加载原图和分割掩码的需求，本身也不符合你的使用场景。

解决方案

调整数据集目录结构，符合ImageFolder的规范（若临时做分类测试使用），目录结构参考：

/Users/NAME/Desktop/dataset/train_images/
    类别A/
        图片1.jpg
        图片2.jpg
        ...
    类别B/
        图片3.jpg
        ...
/Users/NAME/Desktop/dataset/val_images/
    类别A/
        图片4.jpg
        ...
    类别B/
        ...

校验路径有效性，运行前先执行代码确认路径正确性：

import os
train_dataset_path = '/Users/NAME/Desktop/dataset/train_images'
# 确认路径是否存在
print("路径是否存在：", os.path.exists(train_dataset_path))
# 打印路径下的所有文件/文件夹
print("路径下内容：", os.listdir(train_dataset_path))

若返回路径不存在，将NAME替换为你的Mac系统实际用户名，修正路径拼写即可。

自定义图片格式识别规则，若使用非通用图片格式，传入is_valid_file参数自定义校验逻辑：

def check_file_valid(filename):
    # 自行添加需要支持的图片后缀
    return filename.lower().endswith(('.png', '.jpg', '.jpeg', '.tif'))

train_dataset = torchvision.datasets.ImageFolder(
    root = train_dataset_path, 
    transform = train_transforms,
    is_valid_file = check_file_valid
)

修复代码语法问题：将Dataloader改为DataLoader，补充函数内代码的缩进。
适配分割任务建议：直接自定义Dataset类加载数据，示例逻辑参考：

from torch.utils.data import Dataset
from PIL import Image

class SegDataset(Dataset):
    def __init__(self, img_dir, mask_dir, transform=None):
        self.img_dir = img_dir
        self.mask_dir = mask_dir
        self.img_names = os.listdir(img_dir)
        self.transform = transform
    
    def __len__(self):
        return len(self.img_names)
    
    def __getitem__(self, idx):
        img_path = os.path.join(self.img_dir, self.img_names[idx])
        mask_path = os.path.join(self.mask_dir, self.img_names[idx]) # 保证掩码和原图同名
        img = Image.open(img_path).convert("RGB")
        mask = Image.open(mask_path).convert("L") # 单通道掩码
        if self.transform:
            img = self.transform(img)
            mask = self.transform(mask)
        return img, mask

内容的提问来源于stack exchange，提问作者Mw W