使用PyTorch自定义Dataset加载图像数据时DataLoader运行报错如何解决？

• 核心问题：自定义的data_test数据集类没有实现PyTorch Dataset要求的必填__len__方法。DataLoader运行时需要通过该方法获取数据集总样本量，完成批次划分、遍历终止判断等逻辑，缺失该方法会直接触发运行异常。
• 次要排查点：检查代码缩进是否规范，__init__、__getitem__方法必须缩进在data_test类的作用域下，否则会被识别为全局独立函数，Dataset同样会判定核心方法缺失。
• 潜在隐藏问题：cv2.imread默认返回BGR通道顺序的numpy数组，若你传入的transforms是PyTorch官方针对PIL图像设计的变换组合，可能会因为输入格式不匹配触发后续额外报错。

首先补全数据集类的必填方法，适配加载逻辑，修复后代码如下：

import cv2
import glob
from torch.utils.data import Dataset, DataLoader

class data_test(Dataset):
    def __init__(self, data_root, transform=None):
        self.data_image = glob.glob(data_root + '/*.jpg')
        self.transform = transform

    # 新增必填__len__方法，返回数据集总样本数
    def __len__(self):
        return len(self.data_image)

    def __getitem__(self, index):
        data_image_path = self.data_image[index]
        image_data = cv2.imread(data_image_path, -1)
        # 可选：BGR转RGB，适配PyTorch默认的图像处理逻辑
        if len(image_data.shape) == 3 and image_data.shape[2] == 3:
            image_data = cv2.cvtColor(image_data, cv2.COLOR_BGR2RGB)
        if self.transform:
            image_data = self.transform(image_data)
        return image_data

其他验证事项：

• 确认传入的train_dataset路径真实存在，且路径下至少有1张后缀为.jpg的图片，避免glob返回空列表导致加载异常。
• 若使用的transforms包含PIL专属变换，可将读取后的numpy数组转为PIL Image（Image.fromarray(image_data)），或直接使用torchvision.io.read_image读取图片适配张量变换逻辑。

内容的提问来源于stack exchange，提问作者Feona