PyTorch - 获取 'TypeError: pic 应该是 PIL Image 或 ndarray。得到 <class 'numpy.ndarray'>' 错误

Posted 2023-03-12

【中文标题】PyTorch - 获取 \'TypeError: pic 应该是 PIL Image 或 ndarray。得到 <class \'numpy.ndarray\'>\' 错误

【英文标题】：PyTorch - Getting the 'TypeError: pic should be PIL Image or ndarray. Got <class 'numpy.ndarray'>' errorPyTorch - 获取 'TypeError: pic 应该是 PIL Image 或 ndarray。得到 <class 'numpy.ndarray'>' 错误

【发布时间】：2019-11-06 12:40:59

【问题描述】：

当我尝试通过DataLoader 加载非图像数据集时，我收到错误TypeError: pic should be PIL Image or ndarray. Got <class 'numpy.ndarray'>。 torch和torchvision的版本分别是1.0.1和0.2.2.post3。 Python 的版本是3.7.1 在Windows 10 机器上。

代码如下：

class AndroDataset(Dataset):
    def __init__(self, csv_path):
        self.transform = transforms.Compose([transforms.ToTensor()])

        csv_data = pd.read_csv(csv_path)

        self.csv_path = csv_path
        self.features = []
        self.classes = []

        self.features.append(csv_data.iloc[:, :-1].values)
        self.classes.append(csv_data.iloc[:, -1].values)

    def __getitem__(self, index):
        # the error occurs here
        return self.transform(self.features[index]), self.transform(self.classes[index]) 

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

我设置了加载器：

training_data = AndroDataset('android.csv')
train_loader = DataLoader(dataset=training_data, batch_size=batch_size, shuffle=True)

这是完整的错误堆栈跟踪：

Traceback (most recent call last):
  File "C:\Program Files\JetBrains\PyCharm 2018.1.2\helpers\pydev\pydevd.py", line 1758, in <module>
    main()
  File "C:\Program Files\JetBrains\PyCharm 2018.1.2\helpers\pydev\pydevd.py", line 1752, in main
    globals = debugger.run(setup['file'], None, None, is_module)
  File "C:\Program Files\JetBrains\PyCharm 2018.1.2\helpers\pydev\pydevd.py", line 1147, in run
    pydev_imports.execfile(file, globals, locals)  # execute the script
  File "C:\Program Files\JetBrains\PyCharm 2018.1.2\helpers\pydev\_pydev_imps\_pydev_execfile.py", line 18, in execfile
    exec(compile(contents+"\n", file, 'exec'), glob, loc)
  File "C:/Users/talha/Documents/PyCharmProjects/DeepAndroid/deep_test_conv1d.py", line 231, in <module>
    main()
  File "C:/Users/talha/Documents/PyCharmProjects/DeepAndroid/deep_test_conv1d.py", line 149, in main
    for i, (images, labels) in enumerate(train_loader):
  File "C:\Users\talha\Documents\PyCharmProjects\DeepAndroid\venv\lib\site-packages\torch\utils\data\dataloader.py", line 615, in __next__
    batch = self.collate_fn([self.dataset[i] for i in indices])
  File "C:\Users\talha\Documents\PyCharmProjects\DeepAndroid\venv\lib\site-packages\torch\utils\data\dataloader.py", line 615, in <listcomp>
    batch = self.collate_fn([self.dataset[i] for i in indices])
  File "C:/Users/talha/Documents/PyCharmProjects/DeepAndroid/deep_test_conv1d.py", line 102, in __getitem__
    return self.transform(self.features[index]), self.transform(self.classes[index])
  File "C:\Users\talha\Documents\PyCharmProjects\DeepAndroid\venv\lib\site-packages\torchvision\transforms\transforms.py", line 60, in __call__
    img = t(img)
  File "C:\Users\talha\Documents\PyCharmProjects\DeepAndroid\venv\lib\site-packages\torchvision\transforms\transforms.py", line 91, in __call__
    return F.to_tensor(pic)
  File "C:\Users\talha\Documents\PyCharmProjects\DeepAndroid\venv\lib\site-packages\torchvision\transforms\functional.py", line 50, in to_tensor
    raise TypeError('pic should be PIL Image or ndarray. Got '.format(type(pic)))
TypeError: pic should be PIL Image or ndarray. Got <class 'numpy.ndarray'>

【参考方案1】：

这是因为您使用了转换：

self.transform = transforms.Compose([transforms.ToTensor()])

正如您在documentation 中看到的，torchvision.transforms.ToTensor 将 PIL 图像或 numpy.ndarray 转换为张量。因此，如果您想使用这种转换，您的数据必须是上述类型之一。

【讨论】：

我认为错误描述证实了您所说的。但是我的数据已经是ndarray 的一个实例，正如错误描述中所说的那样。

@talha06 您的数据的形状和类型是什么？它应该是三个维度，根据文档，numpy.ndarray 应该有 dtype = np.uint8

它是二维的，它的形状是(5289, 38)。 dtype 是 int64，因为我没有明确地将其转换为。只需将csv 数据读入dataframe，然后取其值为ndarray。

好的，看来您需要更改类型和形状以满足文档中的要求（因此添加通道尺寸，根据您的形状可以只是一个通道）

【参考方案2】：

扩展@MiriamFarber 的答案，您不能在numpy.ndarray 对象上使用transforms.ToTensor()。您可以使用 torch.from_numpy() 将 numpy 数组转换为 torch 张量，然后将您的张量转换为所需的数据类型。

---

例如：

>>> import numpy as np
>>> import torch
>>> np_arr = np.ones((5289, 38))
>>> torch_tensor = torch.from_numpy(np_arr).long()
>>> type(np_arr)
<class 'numpy.ndarray'>
>>> type(torch_tensor)
<class 'torch.Tensor'>

【参考方案3】：

如果要在numpy 数组上使用torchvision.transforms，首先使用transforms.ToPILImage() 将numpy 数组转换为PIL Image 对象

【讨论】：

为什么说你可以使用ndarray呢？不是和np.ndarray一样吗？

【参考方案4】：

tf=transforms.Compose([
    transforms.ToPILImage(),
    transforms.Resize((512,640)),
    transforms.ToTensor()
])

它对我有用。