PyTorch自定义Dataset加载猫狗数据报NoneType无法解释为整数错误

报错TypeError: 'NoneType' object cannot be interpreted as an integer的触发源是自定义TrainImageFolder类的__len__方法隐式返回了None，没有返回合法的非负整数值。
不管是直接enumerate遍历Dataset，还是封装成DataLoader后遍历，流程中都会主动调用__len__获取样本总规模：直接遍历时enumerate的计数逻辑依赖Dataset本身的可迭代长度，DataLoader初始化时也会基于__len__的返回值计算总batch数、配置采样器的长度参数，这一步拿到None就会直接触发类型错误。

• 编写__len__方法时遗漏显式return语句：比如将return逻辑写在for循环、if条件判断的内部，未命中分支时方法直接走到函数末尾返回None
• 存储样本的成员变量初始化逻辑位置错误：比如把遍历目录收集文件名的代码写在了__len__内部，没有在__init__阶段完成赋值，调用时变量读取失败返回None
• 误将打印语句写为返回逻辑：比如在__len__里仅写了print(len(self.img_list))，没有搭配对应的return语句
• 代码缩进错误：将return len(self.samples)的语句缩进在了__init__方法内部，导致__len__方法本身没有任何返回值

• 第一步：核对__init__方法的初始化逻辑，确保在类实例化阶段就完成全量样本扫描：遍历训练目录下的所有图片文件，根据文件名前缀（cat/dog）映射对应标签（cat=0、dog=1），将所有（图片路径、标签）元组存入类的成员列表，保证该列表不会在初始化完成后被意外置空
• 第二步：修正__len__方法的实现，确保无分支、无遗漏地返回样本列表长度，正确实现示例：

def __len__(self):
    # 无额外判断，直接返回存储全量样本的列表长度
    return len(self.samples)

• 第三步：校验__getitem__方法的逻辑，确保按索引读取时返回的是（图像张量、整数标签）的二元组，不会出现返回None的情况，且索引范围和__len__返回的总长度完全匹配
• 第四步：前置验证环节，在实例化Dataset后手动执行len(train_dataset)，确认返回值是正常整数后，再去实例化batch_size=32的DataLoader、接入tqdm包装遍历流程，避免流程后置才触发报错

补充说明：之前配置的图像缩放、随机水平翻转、张量转换、通道均值方差归一化的预处理流水线，需要在__init__中作为成员变量完成赋值，在__getitem__中调用对样本做变换即可，不要在__getitem__里临时定义预处理逻辑，避免变量未绑定导致的返回值异常。

内容的提问来源于stack exchange，提问作者GoeunLee