Python Pytorch中（据称）空批次的运行时错误

（更新了对该问题的进一步了解）

我有一个包含3000个图像的数据集，通过以下行进入数据加载器：

training_left_eyes = torch.utils.data.DataLoader(train_dataset, batch_size=2,shuffle=True, drop_last=True)
print(len(training_left_eyes)) #Outputs 1500

我的训练循环如下所示：

for i,(data,output) in enumerate(training_left_eyes):
      data,output = data.to(device),output.to(device)
      prediction = net(data)

      loss = costFunc(prediction,output)
      closs = loss.item()
      optimizer.zero_grad()
      loss.backward()
      optimizer.step()

      print("batch #{}".format(i))
      if i%100 == 0:
        print('[%d %d] loss: %.8f' % (epoch+1,i+1,closs/1000))
        closs = 0

张量“数据”和“输出”（标签）中的信息正确，系统工作正常，直到达到批号1500。我的所有批次均已满，为3000/2=1500，无剩余。一旦到达最后一批，就会出现一个运行时错误，指出存在0维输入大小。但是我不知道为什么会发生这种情况，因为enumerate（training_left_eyes）应该迭代数据加载器的值，这些值是满的

我在网上搜索了如何解决这个问题，一些人提到了DataLoader上的“drop_last=True”属性，尽管这样做是为了防止半空批次进入模型，但我还是尝试了，但没有成功

我开始太过盲目，似乎无法靠自己解决问题。我可以简单地插入一个if语句，但我认为这将是非常糟糕的做法，我想学习正确的解决方案

如果有帮助，以下是我的自定义数据集：

class LeftEyeDataset(torch.utils.data.Dataset):
  """Left eye retinography dataset. Normal/Not-normal"""

  def __init__(self, csv_file, root_dir, transform=None):
    """
    Args:
        csv_file (string): Path to the csv file with annotations.
        root_dir (string): Directory with all the images.
        transform (callable, optional): Optional transform to be applied
            on a sample.
    """
    self.labels  = label_mapping(csv_file)
    self.root_dir = root_dir
    self.transform = transform
    self.names = name_mapping(csv_file)

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

  def __getitem__(self, idx):
    if torch.is_tensor(idx):
        idx = idx.tolist()

    img_name = self.root_dir +'/'+ self.names[idx]
    image = io.imread(img_name)
    label = self.labels[idx]

    if self.transform:
        image = self.transform(image)

    return image,label


def label_mapping(csv_file) -> np.array:
  df = read_excel(excel_file, 'Sheet1')
  x= []
  for key,value in df['Left-Diagnostic Keywords'].iteritems():
    if value=='normal fundus':
      x.append(1)
    else:
      x.append(0)
  x_tensor = torch.LongTensor(x)
  return x_tensor

def name_mapping(csv_file) -> list:
  #Reads the names of the excel file
  df = read_excel(excel_file, 'Sheet1')
  names= list()
  serie = df['Left-Fundus']
  for i in range(serie.size):
    names.append(df['Left-Fundus'][i])
  return names

如果需要，我可以提供任何附加代码

更新：在尝试解决问题一段时间后，我设法确定发生了什么。由于某些原因，在最后一批数据中，进入网络的数据是正常的，但就在第一层之前，发生了一些事情，数据消失了。在下一张图片中，您可以看到我在输入前进（self，x）之前和之后的打印。尺寸对齐，直到批号61（本例中，我将其从1500减少），在该批号中，它以某种方式通过打印两次。在该行之后，出现上述错误

---

在rubber duck调试了一段时间后，我意识到问题不在于培训，而在于验证集。代码被读取

for i,(data,output) in validate_left_eyes:
      data,output = data.to(device),output.to(device)
      prediction = net(data)

Validate_left_eyes_uu未被enumerate（）包装，因此第一批数据为空。然后问题就解决了

我很抱歉，因为我的问题中没有提到这部分代码，因此答案并不那么直截了当