我正在尝试构建一个 PyTorch 数据集，它21x512x512从 shape 的 3D 图像返回切片?x512x512。我知道有多少张图像，但我不知道每张图像中有多少个切片。因此，我会直观地让__len__()Dataset 的函数返回我拥有的图像总数。我可以事先在技术上检查所有图像的形状，但数据集可能会随着时间而改变，所以我更喜欢可扩展的软件解决方案。
有了这个，我需要一些功能将图像分成切片（上面提到的大小），并返回这些而不是整个图像。这也不是问题，我有一个功能可以做到这一点。
问题来了。如果我在 Dataset 的函数中添加这个切片功能__getitem__()，那么我将只能得到每个图像一个切片，因为 PyTorch DataLoader 会认为有len(dataset)数据点，现在情况不再如此。但我也无法指定正确的样本数量，因为我事先并不知道。
我尝试了一些解决方案：
- 返回一个生成器函数，
__getitem__()其中每个图像产生切片。这不起作用，因为__getitem__()需要返回类型list,tuple等的东西tensor。 - 只需返回整个图像并在训练循环中将其分解。这可以工作，但既不好的编程风格（因为我想隐藏数据集中的数据选择）并且与 DataLoader 的批处理不太兼容，因为一个图像可能有 100 个切片，而另一个可能只有 5 个切片. 在这种情况下，从这些图像制作批次将导致只有 5 个批次具有实际的
batch_size，而其他 95 个批次的样本较少。解决这个问题需要进行一些难看的检查，看看是否需要加载另一个图像，我想再次将其隐藏在数据集中。 - Yield 会导致Dataset 函数出现
for循环。__getitem__()这与第 1 点的原因不同：无法在数据集中返回生成器。
简而言之，什么是从 PyTorch 数据集中的 3D 图像加载未知数量切片的干净方法？