答案很简单（除了另一个答案中提到的错误）。

DataLoader没有__getitem__方法（请参阅源代码）。

它用于数据（或数据批）的迭代，而不是随机访问。如果你想访问特定的元素，你应该使用torch.utils.data.Dataset，在你的例子中：

trainset = torchvision.datasets.ImageNet('/media/farshid/DataStore/temp/Imagenet/', split='train', )
trainset[0]

批量获取

如果你想得到一个批处理，你可以迭代它，然后中断：

for batch in dataloader:
    print(batch) # or anything else you want to do
    break

DataLoader以默认或指定的方式创建随机索引（参见samplers），因此没有__getitem__，因为它对这个对象没有意义。
你也可以继承DataLoader并创建你自己的__getitem__函数，做你想做的事情（虽然更复杂）。

完整示例

# torch.utils.data.Dataset object
trainset = datasets.ImageNet('/media/farshid/DataStore/temp/Imagenet/', split='train', download=True)
# torch.utils.data.DataLoader object
trainloader =torch.utils.data.DataLoader(trainset, batch_size=1, shuffle=False)

for batch in trainloader:
    print(batch)
    break

上面应该打印出第一批里面的东西。

解决方案

input_transform = standard_transforms.Compose([
    transforms.Resize((255,255)), # to Make sure all the 
    transforms.CenterCrop(224),   # imgs are at the same size 
    transforms.ToTensor()
])  

# torch.utils.data.Dataset object
trainset = datasets.ImageNet('/media/farshid/DataStore/temp/Imagenet/',
                             split='train', download=False, transform = input_transform)
# torch.utils.data.DataLoader object
trainloader =torch.utils.data.DataLoader(trainset, batch_size=2, shuffle=False)

for batch_idx, data in enumerate(trainloader, 0):
    x, y = data 
    break

torch.utils.data.DataLoader()的输入数据集的类型应该是torch.utils.data.Dataset，而不是torch.utils.data.DataLoader，这就是您在上面代码中所做的。
所以，你上面的代码应该是：

trainset = torchvision.datasets.ImageNet('/media/farshid/DataStore/temp/Imagenet/', 
                                          split='train', 
                                          download=False)

trainloader = torch.utils.data.DataLoader(trainset, 
                                          batch_size=1, 
                                          shuffle=False, 
                                          num_workers=1)

有关更多详细信息，请在此处查看官方torch文档。

最后我想到了这个肮脏的解决方案：

def Dataloader_by_Index(data_loader, target=0):
    for index, data in enumerate(data_loader):
        if index == target:
            return data
    return None
fifth_element = Dataloader_by_Index(my_data_loader, target=4)