fastai自定义数据集加载时触发无法推断目标类型的报错问题

报错信息 #

抛出的异常内容：

Exception: Can't infer the type of your targets. 
It's either because your data source is empty or because your labeling function raised an error.

翻译后：

无法推断目标类型。原因是数据源为空，或是标注函数执行报错。

代码问题定位 #

你的代码有两处核心错误：

• ImageDataBunch.from_folder的train=path参数传了绝对路径。from_folder的train参数是相对于根路径path的子文件夹名，传绝对路径会让fastai在根路径下找不到对应子目录，直接导致数据源为空。
• 你已经写好了从文件名提取标签的正则pat，但加载数据时完全没有使用。from_folder默认从图片所在的父文件夹名称提取标签，如果你的所有图片直接放在解压后的根目录下、没有按类别建子文件夹，fastai找不到标签来源，就会触发报错。

对应解决方法 #

根据你的数据集结构选一种即可：

方法1：按类别整理文件夹结构（图像分类通用标准结构） #

在解压后的数据集根路径下，按类别建子文件夹，每个子文件夹存放对应类别的所有图片，结构示例：

数据集根路径/
├── 类别1/
│   ├── 图片1.jpg
│   ├── 图片2.jpg
│   └── ...
└── 类别2/
    ├── 图片3.jpg
    ├── 图片4.jpg
    └── ...

修改数据加载代码，去掉错误的train=path参数：

data = ImageDataBunch.from_folder(
    path, 
    valid_pct=0.2, 
    ds_tfms=get_transforms(), 
    size=160
).normalize(imagenet_stats)

方法2：从文件名提取标签（匹配你写的正则规则） #

如果你的图片文件名本身包含类别信息（比如类别_编号.jpg格式），改用from_name_re加载，直接用你定义好的正则：

fnames = get_image_files(path)
np.random.seed(2)
pat = r'/([^/]+)_\d+\.(png|jpg|jpeg)$'
data = ImageDataBunch.from_name_re(
    path, 
    fnames, 
    pat, 
    valid_pct=0.2, 
    ds_tfms=get_transforms(), 
    size=160
).normalize(imagenet_stats)

冗余代码说明 #

• 自定义的URL类仅用于下载数据集，不影响报错逻辑，如果是本地数据集可以直接删掉，untar_data传本地压缩包路径即可。
• 注释掉的Pets数据集测试代码可以直接删除，不影响运行。

内容的提问来源于stack exchange，提问作者Quinn