
原帖把 train_dl 传给 Subset，后续 Subset.__getitem__ 又试图执行 self.dataset[index]：

```text
TypeError: 'DataLoader' object is not subscriptable
```

## 数据集负责索引，loader 负责取批次

原题错误是 Subset 内部试图索引传入的 DataLoader。把随机划分放在可索引的 train1 上，再创建 loader，能保留清楚的样本索引空间。不要仅将 `loader[0]` 改成 next 就跳过原划分逻辑。

DataLoader 是批次迭代器，没有普通样本索引接口。Subset 保存的对象应是可索引数据集，而不是已经组批的 loader。

先在创建 Subset 前确认类型：

```python
print("josh050608")
print("train1:", type(train1), "length:", len(train1))
print("train_dl:", type(train_dl), "dataset:", type(train_dl.dataset))
```

原题 `get_splits()` 已返回 train1、test1，应在 train1 的索引空间里再划分验证集。下面 val_count 是明确的验证样本数，不是比例：

```python
import torch
from torch.utils.data import Subset, DataLoader
val_count = 100  # 按自己的样本数修改
assert 0 < val_count < len(train1)
indices = torch.randperm(len(train1)).tolist()
train_subset = Subset(train1, indices[:-val_count])
valid_subset = Subset(train1, indices[-val_count:])
train_dl = DataLoader(train_subset, batch_size=32, shuffle=True)
valid_dl = DataLoader(valid_subset, batch_size=32, shuffle=False)
```

不要从原始全集生成索引，再拿来索引已划分的 train1；也不要为验证集另建一个内容或顺序可能不同的 Owndata 对象。训练函数究竟接收 Dataset 还是 DataLoader，也应保持一致。

原帖的 `np.asarray(list(loader))` 会一次性读取并保留全部 batch，通常没必要。正常训练直接遍历 loader，避免额外内存占用和不规则数组转换。

验证 train_subset[0] 返回单样本、next(iter(train_dl)) 返回批次，并检查训练/验证索引不重叠且覆盖预期训练划分。

## 用固定种子验证划分不重叠

下面合成 12 条样本，先在 Dataset 上划分，再分别组批，验证训练和验证样本 ID：

```python
import torch
from torch.utils.data import TensorDataset, Subset, DataLoader
dataset = TensorDataset(torch.arange(12), torch.arange(12) % 2)
generator = torch.Generator().manual_seed(87)
indices = torch.randperm(len(dataset), generator=generator).tolist()
train_ids, valid_ids = indices[:9], indices[9:]
assert set(train_ids).isdisjoint(valid_ids)
assert set(train_ids) | set(valid_ids) == set(range(12))
train_subset = Subset(dataset, train_ids)
valid_subset = Subset(dataset, valid_ids)
train_loader = DataLoader(train_subset, batch_size=4, shuffle=True)
valid_loader = DataLoader(valid_subset, batch_size=4, shuffle=False)
assert len(train_subset) == 9 and len(train_loader) == 3
seen = [int(item) for batch, _ in valid_loader for item in batch]
assert seen == valid_ids
print("sample/batch counts:", len(train_subset), len(train_loader))
```

len(loader) 是批次数，len(dataset) 是样本数。把批次数当作索引上界生成划分，会漏掉大量样本；对已经划分的 train1 再划验证集时，必须使用 train1 的局部索引空间。

训练函数若约定接收 Dataset，就在函数内统一创建 loader；若接收 loader，就直接遍历，避免二次包装。原题 `np.asarray(list(loader))` 会提前读取所有批次，可能产生不规则数组与额外内存占用，应按真实后续需求决定是否保留。

验收 subset 单项、loader 首批和划分覆盖范围，再运行小训练 step。若数据有同一患者或同一序列多条记录，还要按任务分组划分，普通随机样本不重叠未必足以避免语义泄漏。

参考：[原始求助帖](https://stackoverflow.com/questions/61562456/problem-with-dataloader-object-not-subscriptable)；技术依据：[PyTorch 数据加载（2.5）](https://docs.pytorch.org/docs/2.5/data.html)。


原帖把 train_dl 传给 Subset，后续 Subset.getitem 又试图执行 self.dataset[index]：

'DataLoader' object is not subscriptable：Subset 要包 Dataset，不要包 loader

人工智能

编程语言

将DataLoader传给Subset会报错，因为Subset需可索引数据集。正确做法：在train1的索引空间内用randperm划分验证集，创建Subset后再组批。避免对已划分数据再索引，或另建Owndata。训练时直接遍历loader，勿用np.asarray(list(loader))，防止内存和索引错乱。确保验证集与训练集不重叠，按需分组划分防泄漏。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

将DataLoader传给Subset会报错，因为Subset需可索引数据集。正确做法：在train1的索引空间内用randperm划分验证集，创建Subset后再组批。避免对已划分数据再索引，或另建Owndata。训练时直接遍历loader，勿用np.asarray(list(loader))，防止内存和索引错乱。确...

'DataLoader' object is not subscriptable：Subset 要包 Dataset，不要包 loader-腾讯云开发者社区-腾讯云

'DataLoader' object is not subscriptable：Subset 要包 Dataset，不要包 loader

'DataLoader' object is not subscriptable：Subset 要包 Dataset，不要包 loader

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐