UnboundLocalError：分配前引用的局部变量“batch_index”答案

【问题标题】：UnboundLocalError: local variable 'batch_index' referenced before assignmentUnboundLocalError：分配前引用的局部变量“batch_index”
【发布时间】：2020-01-16 01:25:47
【问题描述】：

This is NOT MY code by here is the line, where it shows a problem:

model.fit(trainX, trainY, batch_size=2, epochs=200, verbose=2)

（正如我现在所想的，这段代码很可能使用的是旧版本的 TF，因为 'epochs' 写成 'nb_epoch'）。

代码最后更新时间：2017年1月11日！

我已经尝试了互联网上的所有内容（不是那么多），包括查看 tensorflow/keras 的源代码以获取一些提示。只是为了说明我在代码中没有一个名为“batch_index”的变量。

到目前为止，我已经查看了不同版本的 TF (tensorflow/tensorflow/python/keras/engine/training_arrays.py)。似乎所有的版权都来自 2018 年版权，但有些以函数 fit_loop 开头，而另一些则以 model_iteration 开头（这可能是 fit_loop 的更新）。

所以，这个 'batch_index' 变量只能在第一个函数中看到。

我想知道我是否朝着正确的方向前进？？！

显示代码没有意义，因为正如我所解释的，代码中首先没有这样的变量。

但是，这里是函数“stock_prediction”的一些代码，它给出了错误：


def stock_prediction():

    # Collect data points from csv
    dataset = []

    with open(FILE_NAME) as f:
        for n, line in enumerate(f):
            if n != 0:
                dataset.append(float(line.split(',')[1]))

    dataset = np.array(dataset)

    # Create dataset matrix (X=t and Y=t+1)
    def create_dataset(dataset):
        dataX = [dataset[n+1] for n in range(len(dataset)-2)]
        return np.array(dataX), dataset[2:]
        
    trainX, trainY = create_dataset(dataset)

    # Create and fit Multilinear Perceptron model
    model = Sequential()
    model.add(Dense(8, input_dim=1, activation='relu'))
    model.add(Dense(1))
    model.compile(loss='mean_squared_error', optimizer='adam')
    model.fit(trainX, trainY, nb_epoch=200, batch_size=2, verbose=2)

    # Our prediction for tomorrow
    prediction = model.predict(np.array([dataset[0]]))
    result = 'The price will move from %s to %s' % (dataset[0], prediction[0][0])

    return result


---------------------------------------------------------------------------
UnboundLocalError                         Traceback (most recent call last)
<ipython-input-19-3dde95909d6e> in <module>
     14 
     15 # We have our file so we create the neural net and get the prediction
---> 16 print(stock_prediction())
     17 
     18 # We are done so we delete the csv file

<ipython-input-18-8bbf4f61c738> in stock_prediction()
     23     model.add(Dense(1))
     24     model.compile(loss='mean_squared_error', optimizer='adam')
---> 25     model.fit(trainX, trainY, batch_size=1, epochs=200, verbose=2)
     26 
     27     # Our prediction for tomorrow

~\Anaconda3\lib\site-packages\keras\engine\training.py in fit(self, x, y, batch_size, epochs, verbose, callbacks, validation_split, validation_data, shuffle, class_weight, sample_weight, initial_epoch, steps_per_epoch, validation_steps, validation_freq, max_queue_size, workers, use_multiprocessing, **kwargs)
   1176                                         steps_per_epoch=steps_per_epoch,
   1177                                         validation_steps=validation_steps,
-> 1178                                         validation_freq=validation_freq)
   1179 
   1180     def evaluate(self,

~\Anaconda3\lib\site-packages\keras\engine\training_arrays.py in fit_loop(model, fit_function, fit_inputs, out_labels, batch_size, epochs, verbose, callbacks, val_function, val_inputs, shuffle, callback_metrics, initial_epoch, steps_per_epoch, validation_steps, validation_freq)
    211                     break
    212 
--> 213             if batch_index == len(batches) - 1:  # Last batch.
    214                 if do_validation and should_run_validation(validation_freq, epoch):
    215                     val_outs = test_loop(model, val_function, val_inputs,

UnboundLocalError: local variable 'batch_index' referenced before assignment

一点说明：

我尝试查看我的 tf/keras 版本，结果如下：

from tensorflow.python import keras
print(keras.__version__)
import keras
print(keras.__version__)
import tensorflow
print(tensorflow.__version__)

2.2.4-tf

2.2.5

1.14.0

为什么keras会显示不同的版本？？

【问题讨论】：

标签： python tensorflow machine-learning keras

【解决方案1】：

我在training_arrays.py (here) 中检查了您遇到错误的函数，并且如我所见，我认为问题可能出在这些语句中（从第 177 行到第 205 行）：

batches = make_batches(num_train_samples, batch_size)
for batch_index, (batch_start, batch_end) in enumerate(batches): # the problem is here
    # do stuff
    ...
if batch_index == len(batches) - 1:
    # do stuff
    ...

如果批次是一个空列表，你可能会得到这个错误。会不会是你的训练集有问题？

【讨论】：

谢谢！所以，看起来，这是特定版本的 Keras 中的一个错误。
我遇到了同样的问题。你能分享一下你是如何克服这个问题的吗？ @MarkoKolaksazov

【解决方案2】：

问题已解决！

我必须导入正确的库（Tensorflow 而不是直接导入 Keras）：

而不是直接导入 Keras：

from tensorflow.python import keras.models.Sequential
from tensorflow.python import keras.layers.Dense

仅导入 tensorflow 有效：

from tensorflow.python.keras.layers import Input, Dense
from tensorflow.python.keras.models import Sequential

显然这与 Keras 的不同版本问题有关。

【讨论】：

我尝试使用不同的 keras 版本，但没有解决问题，它只是给了我其他错误
如果没有训练数据或损坏数据会出现上述错误，直接从tensorflow导入或从tensorflow导入并不能解决问题，只会改变错误消息。是的，该 keras 版本中的处理不正确，但如果训练数据不正确，错误仍然存在。

【解决方案3】：

UnboundLocalError: local variable 'batch_index' referenced before assignment

问题的原因是批次列表为空！ batches ==[]

之所以为空，是因为训练数据的样本数太少，无法除以batch_size

您应该检查您的数据、样本数量或您应该将 batch_size 减少到允许您将样本数除以批次大小并得出真实结果的程度..

【讨论】：

【解决方案4】：

这个错误是因为有空的训练数据。无论您是直接从 keras 导入还是从 tensorflow 导入，如果您没有传递正确的数据，都会出现错误，错误消息可能因导入或版本而异。还要确保您在数据中传递了几条记录。如果您从 tensorflow 导入 Keras 并使用错误将是

"raise ValueError('空的训练数据。') ValueError：空的训练数据。”

如果直接，那么该消息将是相关的错误消息。

【讨论】：