在 PyTorch 使用 DataLoader 加载数据时报错 batch must contain tensors, numbers, dicts or lists; found object，最常见根源就是你的自定义 Dataset 的 __getitem__ 返回了自定义类实例，而不是 tensor、数字、字典、列表这几类 DataLoader 能自动 collate 的类型，DataLoader 的默认 default_collate 没办法识别普通 Python object，打包 batch 的时候直接抛出异常。很多同学写数据集时习惯封装样本到自己写的 Sample / ImageItem 类里，直接 return 这个实例，或者在读取图片、标注后返回 PIL Image、ndarray 之外的自定义对象，自己以为只是包装一下，却忽略了 collate 函数的限制；还有一种情况是数据读取出错，返回了 None，None 同样会被判定为非法 object。整套排查思路是先定位 Dataset 的返回值，打印 __getitem__ 返回的类型，把自定义对象拆解成基础类型，如果需要保留结构化信息，可以改成 tuple、dict，或者自己实现 collate_fn，再交给 DataLoader。下面把报错原理、复现代码、修复方案、排查步骤分开说明。
一、报错核心拆解
- 报错本质：torch.utils.data.default_collate 遍历每一条样本，要求每个样本只能是 tensor、数字、dict、list、tuple；自定义 class、None、特殊包装对象都不行。
- 高频触发场景：
- Dataset __getitem__ return 自定义类实例。
- 读取失败返回 None。
- 返回的是第三方封装对象，不是原生类型。
- 混入了无法序列化、无法堆叠的对象。
- 区分：PIL Image、numpy array 本身不会触发这条报错，collate 会尝试转 tensor；但如果你把它们包进自己写的类再返回，就会触发。
二、错误写法与修复写法对照表
| 写法 | 示例代码 | 问题 / 方案 |
|---|---|---|
| 错误：返回自定义对象 | ```python |
class MySample:
def init(self, img, label):
self.img = img
self.label = label
def getitem(self, idx):
img, label = self.get_data(idx)
return MySample(img, label)
|方案 A：返回 tuple（最简单）|`return img_tensor, label_tensor`|适合只有图像+标签，顺序固定|
|方案 B：返回 dict（推荐）|`return {"image": img_tensor, "label": label_tensor}`|可读性强，后续加字段很方便|
|方案 C：自定义 collate_fn|在 DataLoader 传入 `collate_fn=my_collate`|必须保留自定义类时使用，自己实现打包逻辑|
三、完整排查与修复实操步骤
1. 单独调用 Dataset 的 `__getitem__`，打印返回值以及 `type()`，确认是不是自定义对象或者 None。
python
ds = MyDataset()
sample = ds[0]
print(type(sample))
- 如果是自定义类：优先重构，拆成 dict /tuple，把里面的属性拿出来作为字段，不要直接返回实例。
- 如果偶尔返回 None：增加判断，读取失败时跳过这条样本，或者抛出异常，不要让 None 流进 DataLoader。
- 如果业务上必须保留自定义对象：编写自己的 collate 函数，手动接收样本列表、批量堆叠 tensor，再封装成批量对象。
- 修改完成后，先用 DataLoader 拿一个 batch 测试：
- 如果还有问题，检查样本内部嵌套，不要在 dict /list 里面再塞自定义对象，嵌套元素依然要遵守 collate 规则。
loader = DataLoader(ds, batch_size=2) next(iter(loader))
四、简易自定义 collate_fn 模板
适合不想改 Dataset、一定要返回自定义类的场景：
def collate_fn(batch):
imgs = torch.stack([item.img for item in batch])
labels = torch.tensor([item.label for item in batch])
return {"image": imgs, "label": labels}
loader = DataLoader(dataset, batch_size=4, collate_fn=collate_fn)
五、高频踩坑清单
- 只在训练循环里调试，不去单独测 Dataset，以为问题出在 DataLoader，实际源头在 __getitem__。
- 偶尔有一张图片损坏，读取后得到 None，随机复现报错，很难稳定复现。
- 嵌套结构里藏自定义对象：返回 {"data": MyObj()}，外层是 dict，但内部字段非法，依然报错。
- 使用第三方数据集封装库，直接返回库内部的样本对象，没有转成 tensor/dict。
- 混用多进程 num_workers>0，多进程下报错栈更乱，优先设置 num_workers=0 定位问题。
【相关 FAQ】
问题 1：出现这个 batch must contain tensors 报错，是不是优先检查 Dataset 的返回内容？
回答 1：是的，绝大多数场景根源就是 Dataset 的 __getitem__ 返回了自定义对象，default_collate 无法处理；优先单独取出一条样本打印类型，而不是先去改 DataLoader 参数。
问题 2：Dataset 返回 PIL.Image 或者 numpy 数组，会不会触发这个 batch object 报错？
回答 2：正常不会，默认 collate 可以把 PIL Image、numpy array 转为 tensor；但如果你把 PIL Image 包进自己定义的类再返回，就会触发这条报错。
问题 3：如果业务必须返回自定义对象，除了修改 Dataset，还有别的办法吗？
回答 3：可以给 DataLoader 传入自定义 collate_fn，手动遍历 batch、提取属性、堆叠张量，避开 default_collate 的限制，这是保留自定义对象的备选方案。
问题 4：我只在开启 num_workers>0 的时候才出现这个报错，是不是 Dataset 返回对象的问题？
回答 4：大概率还是 Dataset 返回非法对象，多进程只是让报错更容易暴露；排查时建议先把 num_workers 设为 0，简化环境确认是不是样本返回值问题。
【参考资料】
[2026-11-08]（PyTorch DataLoader default_collate 报错 found object 排查思路）PyTorch 论坛
[2026-10-21]（自定义 Dataset 返回自定义类触发 collate 失败）掘金
[2026-09-12]（torch.utils.data.default_collate 支持类型说明）PyTorch 官方文档
[2026-08-03]（collate_fn 自定义实现，处理非常规样本结构）towardsdatascience
[2026-07-14]（数据集读取异常返回 None，随机触发 DataLoader 报错）CSDN
【免责声明】
本文针对 PyTorch DataLoader collate 报错提供排查方案；不同 PyTorch 版本对 default_collate 的支持细节略有差异；自定义 collate_fn 需要自行处理梯度、设备、padding、异常样本，本文方案仅解决该报错，不保证训练流程、数据堆叠逻辑符合你的任务需求。