当我试图了解torchvision.datasets.cifar.CIFAR10内部是什么时，我编写了一些简单的代码

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,                                    download=True, transform=transform)print(trainset[1])print(trainset[:10])print(type(trainset))

然而，当我尝试时，我得到了一些错误

print(trainset[:10])

错误信息是

TypeError: Cannot handle this data type

我想知道为什么我可以使用trainset[1]，但不能使用trainset[:10]？

回答：

CIFAR10不支持切片操作，这就是你得到那个错误的原因。如果你想要前10个，你需要这样做：

print([trainset[i] for i in range(10)])

更多信息

你可以对CIFAR10类的实例进行索引操作的主要原因是该类实现了__getitem__()函数。

所以，当你调用trainset[i]时，实际上是在调用trainset.__getitem__(i)

现在，在Python3中，切片表达式也是通过__getitem__()处理的，其中切片表达式作为一个slice对象传递给__getitem__()。

因此，trainset[2:10]相当于trainset.__getitem__(slice(2, 10))

由于传递给__getitem__的两种不同类型的对象预期执行完全不同的事情，你必须明确处理它们。

不幸的是，CIFAR10类中的__getitem__方法实现并没有这样做，如下所示：

def __getitem__(self, index):    if self.train:        img, target = self.train_data[index], self.train_labels[index]    else:        img, target = self.test_data[index], self.test_labels[index]    # 这样做是为了与所有其他数据集保持一致    # 返回一个PIL图像    img = Image.fromarray(img)    if self.transform is not None:        img = self.transform(img)    if self.target_transform is not None:        target = self.target_transform(target)    return img, target