PyTorch 官方 torchvision.datasets.EMNIST 在某些版本中存在下载链接失效或校验失败问题，导致“File not found or corrupted”错误；本文提供手动下载 + 本地路径加载的可靠解决方案，并附完整代码示例与关键注意事项。
pytorch 官方 `torchvision.datasets.emnist` 在某些版本中存在下载链接失效或校验失败问题，导致“file not found or corrupted”错误；本文提供手动下载 + 本地路径加载的可靠解决方案，并附完整代码示例与关键注意事项。
EMNIST 是 MNIST 的扩展数据集，专为手写字符识别设计，包含 digits、letters、balanced 等多个子集。虽然 PyTorch 自 1.9+ 版本起原生支持 torchvision.datasets.EMNIST，但其内置下载逻辑依赖的远程资源（如 NIST 服务器）常因网络策略或链接变更而不可达，进而触发 RuntimeError: File not found or corrupted —— 这并非代码错误，而是下载环节失败所致。
✅ 推荐解决方案：手动下载 + 本地加载
官方推荐的下载脚本由社区维护，稳定性更高。可使用 Tony-Y/pytorch_warmup 提供的 download.py 脚本一键获取完整 EMNIST 数据（含 emnist-letters.mat 及校验文件）：
wget https://raw.githubusercontent.com/Tony-Y/pytorch_warmup/master/examples/emnist/download.py python download.py --root ./data/emnist
该脚本会自动解压并组织为标准结构（如 ./data/emnist/emnist-letters-train-images-idx3-ubyte），完全兼容 torchvision.datasets.EMNIST 的读取逻辑。
加载时，务必设置 download=False 并指定正确的 root 路径：
import torch
import torchvision
from torchvision import transforms
# ✅ 指向你手动下载并解压后的根目录（内含 .mat 或 .ubyte 文件）
root_dir = "./data/emnist" # 注意：此处是包含 emnist-*.mat 的父目录，非子文件夹
transform = transforms.Compose([
transforms.ToTensor(),
transforms.Lambda(lambda x: x.squeeze(0)), # EMNIST 返回 [1, 28, 28]，可选压缩
])
trainset = torchvision.datasets.EMNIST(
root=root_dir,
split="letters", # 可选: "digits", "balanced", "letters", "byclass" 等
train=True,
download=False, # ⚠️ 关键！避免再次触发失败下载
transform=transform
)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=64, shuffle=True)
print(f"Loaded {len(trainset)} training samples.")? 重要注意事项：
- root 参数必须指向 包含原始 .mat 或 .ubyte 文件的目录（如 ./data/emnist/），而非其子文件夹（如 ./data/emnist/letters/）；
- split="letters" 对应 26 个大写字母（A–Z），标签从 1 开始编号（1=A, 2=B, …），注意模型输出层需设为 26 类；
- 若使用较新 torchvision（≥0.15），建议升级：pip install --upgrade torchvision，部分旧版本对 EMNIST 的路径解析存在 Bug；
- 首次运行时若仍报错，请检查文件完整性：emnist-letters-train-images-idx3-ubyte 和 emnist-letters-train-labels-idx1-ubyte 是否均存在且大小正常（训练图像文件约 112MB）。
通过手动下载 + 显式路径加载，可彻底规避网络依赖问题，确保实验环境稳定复现。此方法已被广泛用于 EMNIST 相关论文与课程项目，是当前最鲁棒的实践方案。
