pytorch.datasets/dataloader生成のデータを調べるときにエラーの再提示

Question

質問の内容

参考書籍のコード（pytorch)で自前のデータの動作を調べています。
先の質問での環境を再構築して、現象が再現できましたので、再度補足して質問します。

調べている直近の課題
train_features, train_labels = next(iter(train_dataloader))

により、dataloaderで生成されたデータの内、先頭のデータ（一個の画像データ）の内容を調べること。
それで、上記命令のように、先頭の１個のデータを取り出し、featuerとlabelの内容をprintしようとした。

この位置で検出されたエラーメッセージ

TypeError: default_collate: batch must contain tensors, numpy arrays, numbers, dicts or lists; found <class 'PIL.Image.Image'>

このエラーを出力したcollate.pyのソースも補足で提示。しかしこの部分を理解するまでもなく恐らく、
next(iter(train_dataloader))の個所が何かおかしいと予想されます。

発生している問題・エラーメッセージ

TypeError: default_collate: batch must contain tensors, numpy arrays, numbers, dicts or lists; found <class 'PIL.Image.Image'>

該当のソースコード

# トランスフォーマーオブジェクトを生成
transform = transforms.Compose(
    [transforms.ToTensor(), # Tensorオブジェクトに変換
     #transforms.Normalize((0.5), (0.5)) # 平均0.5、標準偏差0.5で正規化
     ])

# 訓練用データの読み込み(60000セット)
f_mnist_train = datasets.FashionMNIST(
    root=root,     # データの保存先のディレクトリ
    download=False, # ダウンロードを許可
    train=True)    # 訓練データを指定
    #transform=transform) # トランスフォーマーオブジェクトを指定

# Display image and label.
#print("size",f_mnist_train.size())
print("train dataset",f_mnist_train.data[0,8])
#print("train dataset",f_mnist_train.label[0])
len= f_mnist_train.__len__()
print("len",len)
# テスト用データの読み込み(10000セット)
f_mnist_test = datasets.FashionMNIST(
    root=root,     # データの保存先のディレクトリ
    download=False, # ダウンロードを許可
    train=False)   # テストデータを指定
    #transform=transform) # トランスフォーマーオブジェクトを指定
#print("test.len",f_mnist_test.size())
# 訓練用のデータローダー
train_dataloader = DataLoader(f_mnist_train, # 訓練データ
                              batch_size=batch_size, # ミニバッチのサイズ
                              shuffle=True) # シャッフルして抽出
# テスト用のデータローダー
test_dataloader = DataLoader(f_mnist_test, # テストデータ
                             batch_size=1, # ミニバッチのサイズ
                             shuffle=False) # シャッフル無しに抽出
#ここまではオリジナルのソース

#以下が調査用に追加した部分

train_features, train_labels = next(iter(train_dataloader))

print("size", train_features.size())
sys.exit()    

#以下は色々調べてみようとした形跡（参考まで）

print(f"Feature batch shape: {train_features.size()}")
print(f"Labels batch shape: {train_labels.size()}")
#img = f_mnist_train[0].squeeze()
#label = train_labels[0]
#plt.imshow(img, cmap="mono")
#plt.show()
#print(f"Label: {label}")

sys.exit()    
print("train_dataloader",train_dataloader[0])
print("train.len",train_dataloader.__len__(),train_dataloader.__size__())
print("test.len",train_dataloader.__len__())
#print("f_mnist_train.shape",f_mnist_train.shape[0],"test.shape",f_mnist_test.shape)[0];
#print("train_dataloader",type(train_dataloader))
#print("test_dataloader",test_dataloader).dim()
# データローダーが返すミニバッチの先頭データの形状を出力
for (x, t) in train_dataloader: # 訓練データ
    print(x.shape)
    print(t.shape)
    break

for (x, t) in test_dataloader: # テストデータ
    #print(x.shape)
    #print(t.shape)
    print(type(t))
    print(type(t))
    break

補足情報

最後にエラー検出した関数(collate.py)のリスト

r""""Contains definitions of the methods used by the _BaseDataLoaderIter workers to
collate samples fetched from dataset into Tensor(s).

These **needs** to be in global scope since Py2 doesn't support serializing
static methods.

`default_collate` and `default_convert` are exposed to users via 'dataloader.py'.
"""

import torch
import re
import collections
from torch._six import string_classes

np_str_obj_array_pattern = re.compile(r'[SaUO]')


def default_convert(data):
    r"""
        Function that converts each NumPy array element into a :class:`torch.Tensor`. If the input is a `Sequence`,
        `Collection`, or `Mapping`, it tries to convert each element inside to a :class:`torch.Tensor`.
        If the input is not an NumPy array, it is left unchanged.
        This is used as the default function for collation when both `batch_sampler` and
        `batch_size` are NOT defined in :class:`~torch.utils.data.DataLoader`.

        The general input type to output type mapping is similar to that
        of :func:`~torch.utils.data.default_collate`. See the description there for more details.

        Args:
            data: a single data point to be converted

        Examples:
            >>> # Example with `int`
            >>> default_convert(0)
            0
            >>> # Example with NumPy array
            >>> default_convert(np.array([0, 1]))
            tensor([0, 1])
            >>> # Example with NamedTuple
            >>> Point = namedtuple('Point', ['x', 'y'])
            >>> default_convert(Point(0, 0))
            Point(x=0, y=0)
            >>> default_convert(Point(np.array(0), np.array(0)))
            Point(x=tensor(0), y=tensor(0))
            >>> # Example with List
            >>> default_convert([np.array([0, 1]), np.array([2, 3])])
            [tensor([0, 1]), tensor([2, 3])]
    """
    elem_type = type(data)
    if isinstance(data, torch.Tensor):
        return data
    elif elem_type.__module__ == 'numpy' and elem_type.__name__ != 'str_' \
            and elem_type.__name__ != 'string_':
        # array of string classes and object
        if elem_type.__name__ == 'ndarray' \
                and np_str_obj_array_pattern.search(data.dtype.str) is not None:
            return data
        return torch.as_tensor(data)
    elif isinstance(data, collections.abc.Mapping):
        try:
            return elem_type({key: default_convert(data[key]) for key in data})
        except TypeError:
            # The mapping type may not support `__init__(iterable)`.
            return {key: default_convert(data[key]) for key in data}
    elif isinstance(data, tuple) and hasattr(data, '_fields'):  # namedtuple
        return elem_type(*(default_convert(d) for d in data))
    elif isinstance(data, tuple):
        return [default_convert(d) for d in data]  # Backwards compatibility.
    elif isinstance(data, collections.abc.Sequence) and not isinstance(data, string_classes):
        try:
            return elem_type([default_convert(d) for d in data])
        except TypeError:
            # The sequence type may not support `__init__(iterable)` (e.g., `range`).
            return [default_convert(d) for d in data]
    else:
        return data


default_collate_err_msg_format = (
    "default_collate: batch must contain tensors, numpy arrays, numbers, "
    "dicts or lists; found {}")


def default_collate(batch):
本文が長くなるので省略

Comments

[jbpb0]

https://teratail.com/help/avoid-asking
の「過去に投稿した質問と同じ内容の質問」を見てください

https://teratail.com/questions/npt4pr4lle0oo3

> 先の質問での環境を再構築して、現象が再現できましたので、再度補足して質問します。

別の質問をするのではなく、元の質問を編集してください

[sigefuji]

仰せの事ですが、元の投稿を編集する（どうするのかわからないので単に追加するだけになると）、かえって煩雑になると考えます。もし思うとおりに編集できたとしても、それは新規投稿と何ら変わらないと考えます。

Answer 1

元の投稿で終了しましたので、この再提示の投稿も終了します。