这个报错的根源就是你把 DataLoader 传给了 torch.utils.data.Subset，Subset 只支持接收 Dataset 数据集对象，不支持 DataLoader，DataLoader 是迭代器，不是可下标索引的数据集，不能用 [] 取子集，Subset 内部会尝试用下标访问传入对象，DataLoader 不支持下标访问，直接触发not subscriptable报错，正确做法是先拿原始 Dataset 丢进 Subset 划分训练集、验证集，再把 Subset 输出的子集对象交给 DataLoader 去打包成批次，顺序不能颠倒，很多新手写代码时容易提前构造 DataLoader 再做切分，只要调换顺序，先切数据集、再封装加载器，这个报错就能直接解决。
一、对象能力对比表
| 对象 | 是否支持下标 [] | 能不能传给 Subset | 作用 |
|---|---|---|---|
| Dataset | ✅ 支持 | ✅ 可以 | 定义单条数据读取逻辑 |
| Subset | ✅ 支持 | ✅ 可以 | 对 Dataset 做切片、划分子集 |
| DataLoader | ❌ 不支持 | ❌ 禁止 | 批次打包、shuffle、多进程加载 |
二、错误写法（触发报错）
from torch.utils.data import Dataset, DataLoader, Subset
先构造loader，再给Subset，错误
full_dataset = MyDataset()
full_loader = DataLoader(full_dataset, batch_size=8)
train_subset = Subset(full_loader, indices=[0,1,2]) 报错！
三、正确写法（Subset 包裹 Dataset）
from torch.utils.data import Dataset, DataLoader, Subset
full_dataset = MyDataset()
第一步：Subset包装原始Dataset
train_subset = Subset(full_dataset, indices=train_idx)
val_subset = Subset(full_dataset, indices=val_idx)
第二步：子集再交给DataLoader
train_loader = DataLoader(train_subset, batch_size=8, shuffle=True)
val_loader = DataLoader(val_subset, batch_size=8, shuffle=False)
四、完整操作步骤
- 定义并实例化原始 Dataset，这一步只负责单样本读取，不做批次加载
- 准备划分索引，比如随机划分、按序号切分 train/val 索引列表
- 使用 Subset，传入原始 Dataset 和索引，生成子集数据集
- 把 Subset 得到的子集传入 DataLoader，设置 batch_size、shuffle、num_workers 等参数
- 循环遍历 loader 取批次数据，不要尝试对 loader 使用loader[0]这种下标取值
五、高频踩坑清单
- 混淆 Dataset 和 DataLoader：Dataset 管数据样本，DataLoader 管迭代批次，二者职责完全分开
- 想通过下标取 loader 数据：loader[0]写法本身不合法，loader 只能 for 循环迭代
- 多次嵌套 Subset：Subset 可以嵌套 Subset，但不能嵌套 DataLoader
- 索引越界：传给 Subset 的 indices 不能超出原始 Dataset 长度，否则读取时报索引错误
- 随机种子问题：划分索引时固定 seed，保证每次实验训练验证集划分一致
六、补充：如果已经拿到 loader，想切分怎么办
不能直接切 loader，要回到最开始的 Dataset，重新做索引划分；loader 里面没有原始索引映射能力，它只是迭代器，没法反向切片。
【相关 FAQ】
问题 1：出现 'DataLoader' object is not subscriptable，为什么 Subset 不能包装 DataLoader？
回答 1：Subset 要求传入的对象支持下标索引，DataLoader 是迭代器，不支持 [] 下标访问，所以 Subset 不能包装 DataLoader，Subset 只能包装 Dataset。
问题 2：Subset 包装 Dataset 之后，还能不能再传给 DataLoader？
回答 2：可以，Subset 返回的依然是 Dataset 类型对象，Subset 包装 Dataset 得到子集，再送入 DataLoader 生成批次加载器，这是标准流程。
问题 3：除了 Subset 包 loader，还有哪些写法会触发 'DataLoader' object is not subscriptable？
回答 3：直接写loader[0]、loader[:10]用下标读取 DataLoader，同样会报这个错，DataLoader 只能 for 循环迭代读取批次。
问题 4：Subset 包装 Dataset 之后，子集里面的 transform 和原始 Dataset 是一样的吗？
回答 4：是的，Subset 只是做索引映射，不会修改数据读取逻辑，Subset 包装 Dataset 后，子集沿用原始 Dataset 的 transform、读取逻辑。
【参考资料】
[2025-07-18]（'DataLoader' object is not subscriptable 子集划分错误）PyTorch 中文论坛
[2024-09-03]（Can I use torch.utils.data.Subset on a DataLoader?）Stack Overflow
[2023-04-12]（torch.utils.data.Subset official usage and example）PyTorch Docs
[2022-11-20]（DataLoader 和 Dataset 区分，Subset 划分数据集踩坑）知乎
[2021-06-08]（Subset 接收对象类型报错问题）GitHub PyTorch Issues
【免责声明】
本文基于 PyTorch 官方 Dataset、Subset、DataLoader 接口规则整理，针对 'DataLoader' object is not subscriptable 报错做技术科普；不同版本 PyTorch、自定义数据集类、采样器组合场景行为存在差异，代码使用前请打印类型校验，不保证适配所有复杂数据集组合场景。