Python 构建从3D图像加载（未知数量）切片的PyTorch数据集的好方法是什么？

我正在尝试构建一个PyTorch数据集，该数据集返回形状为

？x512x512

的三维图像的

21x512x512

切片。我知道有多少图像，但我不知道每个图像中有多少个切片。因此，我会直观地让数据集的

\uuu len\uuu（）

函数返回我拥有的图像总数。我可以事先从技术上检查所有图像的形状，但数据集可能会随着时间的推移而变化，因此我更喜欢可伸缩的软件解决方案

有了这个，我需要一些功能，将图像分割成片（上面提到的大小），并返回这些片，而不是整个图像。这也不是问题，我有一个函数可以做到这一点

问题来了。如果我在数据集的

\uuu getitem\uuuu（）

函数中添加此切片功能，那么每个图像只会获得一个切片，因为PyTorch数据加载器会认为存在

len（数据集）

数据点，现在不再是这样了。但我也不能指定正确的样本数量，因为我事先不知道

我尝试了一些解决方案：

在

\uuuu getitem\uuuuu（）

中返回一个生成器函数，该函数为每个图像生成切片。这不起作用，因为

\uu getitem\uuu（）

需要返回类型为

列表

、

元组

、

张量

等的内容

只需返回整个图像，并在列车循环中分解它。这可以工作，但编程风格不好（因为我想在数据集中隐藏数据选择），并且与数据加载程序的批处理不太兼容，因为一个图像可能有100个切片，而另一个图像可能只有5个切片。在这种情况下，从这些图像生成批次将导致只有5个批次具有实际的

批次大小

，另外95个批次具有较少的每批次样本。解决这一问题需要进行一些丑陋的检查，以查看是否需要加载另一个图像，我再次希望将其隐藏在数据集中

在数据集的

\uuu getitem\uuuuuu（）

函数中产生

for

循环。这与第1点的原因不同：无法在数据集中返回生成器

---

简而言之，从PyTorch数据集中的3D图像中加载未知数量的切片的干净方法是什么？

为什么不提前计算切片的数量？因为这是一个可能随时间变化的相当大的数据集。这并不是不可能做到的（并且在添加新数据时重做），但我更喜欢可扩展的软件解决方案。好的一点，我会更新这个问题。对我来说，这是一个很好的例子