复现RGBD人脸防欺骗CMFL论文时DataFolder类无法加载训练样本

• 核心根本原因是数据集加载阶段，标注文件对应的所有样本路径均无法找到对应文件，DataFolder类默认会过滤路径无效的样本，最终训练集样本总数为0，触发PyTorch DataLoader的num_samples正整数校验规则，抛出对应报错。
• 具体可细分为三类常见原因：
  1. 预处理数据集路径配置错误：PROTOCOL-grand_test-curated.csv中记录的样本路径前缀为/home/Dataset/FaceAntiSpoofing/HQ-WMCA/MC-PixBiS-224/preprocessed/，但你实际存放mc-pixbis-224预处理数据的目录和该路径不匹配，导致程序无法定位文件。
  2. 预处理数据集本身不完整：你下载或自行生成的MC-PixBiS-224预处理数据存在缺失，未包含协议文件标注的全部.hdf5样本文件。
  3. 协议与数据集版本不匹配：你使用的PROTOCOL-grand_test-curated.csv版本和预处理数据集的版本不对应，文件名、路径拼接规则存在差异，导致路径匹配失败。

• 第一步：校验路径配置正确性
  执行命令ls /home/Dataset/FaceAntiSpoofing/HQ-WMCA/MC-PixBiS-224/preprocessed/face-station/，如果提示路径不存在，说明预处理数据存放路径和配置路径不一致，修改数据集配置文件中的预处理根目录为你实际存放MC-PixBiS-224数据的路径即可。
• 第二步：校验预处理数据集完整性
  如果路径存在，随机选取缺失提示中的一个文件路径校验，比如执行ls /home/Dataset/FaceAntiSpoofing/HQ-WMCA/MC-PixBiS-224/preprocessed/face-station/02.04.19/1_03_0064_0000_06_01_013-e3a1456b.hdf5，如果确实不存在说明预处理数据不全：
  • 若预处理数据为自行生成，重新运行预处理流程，检查预处理过程是否有报错、是否提前中断。
  • 若预处理数据为下载的公开包，重新校验文件哈希值和官方提供的校验值是否一致，确认下载完整后重新解压。
• 第三步：校验协议与数据集匹配性
  打开PROTOCOL-grand_test-curated.csv，随机选取一条记录的文件名，和本地预处理目录下的实际文件名做对比，查看文件名规则（比如命名分段、后缀、哈希段规则）是否一致，如果不一致，更换和预处理数据集版本匹配的协议文件，或者修改数据加载类的路径拼接逻辑，使其能正确匹配本地文件名。
• 临时验证方案：可在DataFolder类的过滤逻辑中新增统计输出，打印总标注数、缺失文件过滤数，确认是否所有样本都因路径问题被过滤后，再针对性排查。

内容的提问来源于stack exchange，提问作者Speedarion