解决Dataloader报错:ValueError: too many values to unpack (expected 2)

原始代码：

# 构建一个能够加载数据集的类
class MyDataset(Dataset):  # 继承Dataset
    # 得到一个包含图像和标签的列表
    def __init__(self, root, label_root,transform=None,is_aug=None,fix_size=(244, 244)):  # 初始化一些属性
        data_list = get_data(root)  # 得到数据的名字列表
        label = get_label(label_root)
        self.data_list = data_list
        self.label = label
        self.transform = transform
        self.is_aug = is_aug
        self.fix_size = fix_size

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

    # 翻转
    def img_flip(self, img, axi):  # axi=0:上下翻转 axi=1:左右翻转
        img = np.flip(img, axis=axi).copy()
        return img

    # 旋转
    def img_rotate(self, img):
        angle = random.randint(0, 360)
        h, w = img.shape[:2]
        M = cv2.getRotationMatrix2D((h / 2, w / 2), angle, 1)
        img = cv2.warpAffine(img, M, (h, w))
        return img

    # 得到每个元素的图像像素矩阵和标签
    def __getitem__(self,index):
        x_idx = self.data_list[index]   # 获取图像的索引
        img = cv2.imread(x_idx, 1)  # 加载图像
        # 把image设为固定尺寸
        img = cv2.resize(img, dsize=self.fix_size)
        label = self.label[index]

        # 数据增强（翻转，旋转）
        if self.is_aug:
            p_f = torch.rand(1)
            if p_f > 0.2:  # 翻转
                axi = random.choice([0, 1])  # axi=0:上下翻转 axi=1:左右翻转
                img = self.img_flip(img, axi)
            p_ro = torch.rand(1)
            if p_ro > 0.5:  # 旋转
                img = self.img_rotate(img)
        # 数据变换
        img = self.transform(img)
        return img, label

# 数据batch处理
def processing(train_root,train_label_root, test_root,test_label_root, bs):
    train_sets,label_train = MyDataset(train_root,train_label_root,
                           transform=transforms.Compose([transforms.ToPILImage(),
                                                                     transforms.Resize((244, 244)),
                                                                     transforms.ToTensor()]),
                           is_aug=True
                           )
    train_dataset = TensorDataset(train_sets,label_train)
    train_loaders = DataLoader(train_dataset, batch_size=bs, shuffle=True)  # shuffle = true就是要洗牌随机取，而不是按顺序取。
    # 验证集不需要做数据增强，但要保证图像大小一致
    test_sets,label_test = MyDataset(test_root,test_label_root,
                          transform=transforms.Compose([transforms.ToPILImage(),
                                                        transforms.Resize((244, 244)), transforms.ToTensor()]),
                          is_aug = False
                          )
    test_dataset = TensorDataset(test_sets,label_test)
    test_loaders = DataLoader(test_dataset, batch_size=bs, shuffle=True)
    return train_loaders, test_loaders

##报错，ValueError: too many values to unpack (expected 2)
##报错行 is_aug=True，运行三次，能够出来三个结果（print train_path和label），但是第四个就print不出来了
##错误原因，虽然上面是return img，label，但是使用dataloader是返回一个迭代器，可以将数据图像和label堆在一起，后面train的时候才一代一代地对应取出来
##更改： train_sets = MyDataset(train_root,train_label_root,
                           transform=transforms.Compose([transforms.ToPILImage(),
                                                                     transforms.Resize((244, 244)),
                                                                     transforms.ToTensor()]),is_aug=True)
    去掉train_dataset = TensorDataset(train_sets,label_train)
    还有train_loaders = DataLoader(train_sets, batch_size=bs, shuffle=True)

不会报错。

【记第一次写文章】