Python ValueError:没有足够的值在Pytorch中解包（预期为3，得到2）

这是我的定义验证函数
当我加载模型并使用这段代码开始预测时，我使用PyTorch收到了错误。在这之后，我通过epoch循环和batch循环进行迭代，我得到了这个错误

def validate_epoch(net, val_loader,loss_type='CE'):
    net.train(False)
    running_loss = 0.0
    sm = nn.Softmax(dim=1)

    truth = []
    preds = []
    bar = tqdm(total=len(val_loader), desc='Processing', ncols=90)
    names_all = []
    n_batches = len(val_loader)
    for i, (batch, targets, names) in enumerate(val_loader):
        if loss_type == 'CE':
                labels = Variable(targets.float())
                inputs = Variable(batch)
        elif loss_type == 'MSE':
                labels = Variable(targets.float())
                inputs = Variable(batch)

        outputs = net(inputs)
        labels = labels.long()
        loss = criterion(outputs, labels)
        if loss_type =='CE':
            probs = sm(outputs).data.cpu().numpy()
        elif loss_type =='MSE':
            probs = outputs
            probs[probs < 0] = 0
            probs[probs > 4] = 4
            probs = probs.view(1,-1).squeeze(0).round().data.cpu().numpy()
        preds.append(probs)
        truth.append(targets.cpu().numpy())
        names_all.extend(names)
        running_loss += loss.item()
        bar.update(1)
        gc.collect()
    gc.collect()
    bar.close()
    if loss_type =='CE':
        preds = np.vstack(preds)
    else:
        preds = np.hstack(preds)
    truth = np.hstack(truth)
    return running_loss / n_batches, preds, truth, names_all

正如您在回溯错误中看到的，它给出了一些终端显示错误：

ValueError                                Traceback (most recent call last)
<ipython-input-27-d2b4a1ca3852> in <module>
     12 test_started = time.time()
     13 
---> 14 test_loss, probs, truth, file_names = validate_epoch(model, test_iterator)
     15 preds = probs.argmax(1)
     16 

<ipython-input-25-34e29e0ff6ed> in validate_epoch(net, val_loader, loss_type)
      9     names_all = []
     10     n_batches = len(val_loader)
---> 11     for i, (batch, targets, names) in enumerate(val_loader):
     12         if loss_type == 'CE':
     13                 labels = Variable(targets.float())

ValueError: not enough values to unpack (expected 3, got 2)

ValueError回溯（最近一次调用）
在里面
12测试_开始=时间。时间（）
13
--->14测试丢失、问题、真相、文件名=验证历元（模型、测试迭代器）
15 preds=问题argmax（1）
16
在有效期内（净值、增值加载器、损失类型）
9个名称_all=[]
10个n_批次=长度（val_装载机）
--->11对于枚举（val_loader）中的i（批次、目标、名称）：
12如果损失类型=‘CE’：
13标签=变量（targets.float（））
ValueError:没有足够的值来解包（预期为3，实际为2）

来自：

返回：（示例，目标），其中目标是目标类的类索引

因此，非常简单，您当前使用的dataset对象返回一个包含2个项的元组。如果试图将此元组存储在3个变量中，则会出现错误。正确的路线是：

for i, (batch, targets) in enumerate(val_loader):

---

如果您确实需要名称（我假设是每个图像的文件路径），您可以定义一个新的dataset对象，该对象继承自

ImageFolder

dataset，并重载

\uu getitem\uuuuuu

函数以同时返回此信息。

问题在于dataloader或底层dataset类。您需要3个输出，即

批处理

、

目标

和

名称

。但是，从错误来看，dataloader似乎只提供了两件事（我猜是批处理和目标）。因此，请检查代码的这一部分（如果没有发现问题，请将其添加到问题中）。请注意，错误之后出现的任何代码都与问题无关（从未执行），不应包含在此处，因为它只会造成不必要的混乱；对于不相关的代码，如

print

语句（已编辑掉），也是如此。这里发布的代码应该是最小的。为了帮助我们，我们需要查看定义了val\u loader的代码。numerate给出了一个索引和一个值（在迭代器上），这没有问题，然后您尝试解包，这样您的测试迭代器就会生成一对，不是三元组。以下testpath=“/home/testdata/”#创建验证数据集test_data=datasets.ImageFolder（root=testpath，transform=test_transforms）打印（test_data）BATCH_SIZE=32 test_iterator=torch.utils.data.DataLoader（test_data，BATCH_SIZE=BATCH_SIZE）打印（f'测试示例数：{len（test_iterator）}'）@DerekG

for i, (batch, targets) in enumerate(val_loader):