PyTorch初学者加载NYU数据集时触发pic应为Tensor/ndarray的NoneType报错

• 核心原因是类方法缩进错误：你编写的__getitem__、__len__两个方法没有缩进，不属于Mydataset类的成员方法。PyTorch的Dataset子类必须重载这两个方法才能正常读取数据，你没有正确重载的情况下，DataLoader调用数据读取接口时只会返回None，对应你收到的NoneType报错。
• 数据变换逻辑存在错误：你定义的transform第一个操作是transforms.ToPILImage()，但通过Image.open()读取的输入本身就是PIL格式图像，ToPILImage()仅支持Tensor、ndarray类型的输入，传入PIL对象会触发类型不匹配问题。
• Resize传参不符合规范：transforms.Resize()如果要指定输出的高宽，需要传入(height, width)格式的元组，你写的Resize(224,101)会把224识别为等比缩放的短边长度，101被错误识别为插值方法参数，无法得到你预期的输出尺寸。

1. 修正类方法缩进，将__getitem__、__len__两个方法整体缩进，纳入Mydataset类的代码块
2. 删除transform流水线中的transforms.ToPILImage()操作
3. 修正Resize的传参格式，改为传入元组指定输出尺寸

修正后的完整代码如下：

from __future__ import division,absolute_import,print_function
from PIL import Image
from torch.utils.data import DataLoader,Dataset
from torchvision.transforms import transforms
data_root='D:/AuxiliaryDocuments/NYU/'
transforms=transforms.Compose([
                           transforms.Resize((224,101)),
                           transforms.ToTensor()])

filename_txt={'image_train':'image_train.txt','image_test':'image_test.txt',
          'depth_train':'depth_train.txt','depth_test':'depth_test.txt'}


class Mydataset(Dataset):
  def __init__(self,data_root,transformation,data_type):
    self.transform=transformation
    self.image_path_txt=filename_txt[data_type]
    self.sample_list=list()
    f=open(data_root+'/'+data_type+'/'+self.image_path_txt)
    lines=f.readlines()
    for line in lines:
        line=line.strip()
        line=line.replace(';','')
        self.sample_list.append(line)
    f.close()

  def __getitem__(self, index):
    item=self.sample_list[index]
    img=Image.open(item)
    if self.transform is not None:
        img=self.transform(img)
    idx=index
    return idx,img

  def __len__(self):
    return len(self.sample_list)

内容的提问来源于stack exchange，提问作者Feona