Python 缩进错误：使用异常时应为缩进块

我的代码是：我试图通过使用异常来探索错误，我发现了以下内容

    try:
while((train_iter.epoch < max_epoch) and needStudy):
    train_batch = train_iter.next()
    x, t = concat_examples(train_batch)
    #print(t)    
    y = model(x)    
    loss = F.mean_squared_error(y, t)
    model.cleargrads()
    loss.backward()
    optimizer.update()
    if train_iter.is_new_epoch:
        print("epoch", train_iter.epoch, "loss=", loss.data, end=" ")
        loss_X.append(train_iter.epoch)
        loss_Y.append(loss.data)
except ValueError as e:
        raise Exception('Invalid json: {}'.format(e))

试试看：
而（（训练时间<最大时间）和需要学习）：
列车批次=列车iter.next（）
x、 t=混凝土示例（系列批次）
#打印（t）
y=型号（x）
损失=F.均方误差（y，t）
model.cleargrads（）
loss.backward（）
optimizer.update（）
如果列车是新纪元：
打印（“epoch”，train_iter.epoch，“loss=，loss.data，end=”）
损失附加（火车时代）
丢失附加（丢失数据）
除ValueError为e外：
引发异常（'无效的json:{}'。格式（e））

try语句后的while语句没有正确缩进

try:
而（（训练时间<最大时间）和需要学习）：
列车批次=列车iter.next（）
x、 t=混凝土示例（系列批次）
#打印（t）
y=型号（x）
损失=F.均方误差（y，t）
model.cleargrads（）
loss.backward（）
optimizer.update（）
如果列车是新纪元：
打印（“epoch”，train_iter.epoch，“loss=，loss.data，end=”）
损失附加（火车时代）
丢失附加（丢失数据）
除ValueError为e外：
引发异常（'无效的json:{}'。格式（e））

try语句后的while语句没有正确缩进代码：（修复了try:…的缩进，除了：…块）

试试看：
而（（训练时间<最大时间）和需要学习）：
列车批次=列车iter.next（）
x、 t=混凝土示例（系列批次）
#打印（t）
y=型号（x）
损失=F.均方误差（y，t）
model.cleargrads（）
loss.backward（）
optimizer.update（）
如果列车是新纪元：
打印（“epoch”，train_iter.epoch，“loss=，loss.data，end=”）
损失附加（火车时代）
丢失附加（丢失数据）
异常除外，如e:#替换为异常以处理其他错误
引发异常（'无效的json:{}'。格式（e））
尽管如此：
test\u batch=test\u iter.next（）
x_测试，t_测试=浓缩样本（测试批次）
y_检验=模型（x_检验）
损失检验=F.均方误差（y检验，t检验）
如果测试是新的时代：
测试时间=0
测试仪器当前位置=0
测试结果是否为新纪元=错误
测试试验机。按下位置=无
打破
打印（“test_loss=”，loss_test.data）
loss_Y_test.append（loss_test.data）
研究损失=损失测试数据
如果研究丢失<研究保留：
需要学习=错误
打印（“损失小于阈值”）

代码：（修复了

try:…的缩进，除了：…

块）

试试看：
而（（训练时间<最大时间）和需要学习）：
列车批次=列车iter.next（）
x、 t=混凝土示例（系列批次）
#打印（t）
y=型号（x）
损失=F.均方误差（y，t）
model.cleargrads（）
loss.backward（）
optimizer.update（）
如果列车是新纪元：
打印（“epoch”，train_iter.epoch，“loss=，loss.data，end=”）
损失附加（火车时代）
丢失附加（丢失数据）
异常除外，如e:#替换为异常以处理其他错误
引发异常（'无效的json:{}'。格式（e））
尽管如此：
test\u batch=test\u iter.next（）
x_测试，t_测试=浓缩样本（测试批次）
y_检验=模型（x_检验）
损失检验=F.均方误差（y检验，t检验）
如果测试是新的时代：
测试时间=0
测试仪器当前位置=0
测试结果是否为新纪元=错误
测试试验机。按下位置=无
打破
打印（“test_loss=”，loss_test.data）
loss_Y_test.append（loss_test.data）
研究损失=损失测试数据
如果研究丢失<研究保留：
需要学习=错误
打印（“损失小于阈值”）

You

try:

block缩进错误。@shaikmoeed如何更正？是否要处理except block中的错误？@shaikmoeed是的，没错，tqYou

try:

block缩进错误。@shaikmoeed如何更正？是否要处理except block中的错误？@shaikmoeed是的，没错，tqnow我正面临此错误KeyError:10534在处理上述异常期间，发生了另一个异常：@aboomair添加代码的详细信息并完成对问题的回溯。您可以看到，已完成的代码在上面，错误位于

try

函数的同一区域a，我得到了此

文件“”，第17行为True时：^IndentationError:意外缩进

现在我在处理上述异常时遇到此错误KeyError:10534，发生了另一个异常：@aboomair添加代码的详细信息并完成对问题的回溯。您可以看到，已完成的代码在上面，错误位于

try

函数的同一区域，我得到了此

文件“”，第17行，而True:^indicationError:意外缩进

File "<ipython-input-393-be26bc8a85ab>", line 2
    while((train_iter.epoch < max_epoch) and needStudy):
        ^
IndentationError: expected an indented block

try:
    while((train_iter.epoch < max_epoch) and needStudy):
        train_batch = train_iter.next()
        x, t = concat_examples(train_batch)
        #print(t)    
        y = model(x)    
        loss = F.mean_squared_error(y, t)
        model.cleargrads()
        loss.backward()
        optimizer.update()
        if train_iter.is_new_epoch:
            print("epoch", train_iter.epoch, "loss=", loss.data, end=" ")
            loss_X.append(train_iter.epoch)
            loss_Y.append(loss.data)
except ValueError as e:
        raise Exception('Invalid json: {}'.format(e))        
        while True:
            test_batch = test_iter.next()
            x_test, t_test = concat_examples(test_batch)
            y_test = model(x_test)
            loss_test = F.mean_squared_error(y_test, t_test)
            if test_iter.is_new_epoch:
                test_iter.epoch = 0
                test_iter.current_position = 0
                test_iter.is_new_epoch = False
                test_iter._pushed_position = None
                break
        print("test_loss=", loss_test.data)
        loss_Y_test.append(loss_test.data)
        study_loss = loss_test.data
        if study_loss < studyThreshold:
            needStudy = False
            print("loss is less than threshold value")

KeyError: 10534

During handling of the above exception, another exception occurred:

KeyError                                  Traceback (most recent call last)
<ipython-input-397-31208bd43353> in <module>
      1 try:
      2     while((train_iter.epoch < max_epoch) and needStudy):
----> 3         train_batch = train_iter.next()
      4         x, t = concat_examples(train_batch)
      5         #print(t)

try:
    while((train_iter.epoch < max_epoch) and needStudy):
        train_batch = train_iter.next()
        x, t = concat_examples(train_batch)
        #print(t)    
        y = model(x)    
        loss = F.mean_squared_error(y, t)
        model.cleargrads()
        loss.backward()
        optimizer.update()
        if train_iter.is_new_epoch:
            print("epoch", train_iter.epoch, "loss=", loss.data, end=" ")
            loss_X.append(train_iter.epoch)
            loss_Y.append(loss.data)
except ValueError as e:
    raise Exception('Invalid json: {}'.format(e))

try:
    while((train_iter.epoch < max_epoch) and needStudy):
        train_batch = train_iter.next()
        x, t = concat_examples(train_batch)
        #print(t)    
        y = model(x)    
        loss = F.mean_squared_error(y, t)
        model.cleargrads()
        loss.backward()
        optimizer.update()
        if train_iter.is_new_epoch:
            print("epoch", train_iter.epoch, "loss=", loss.data, end=" ")
            loss_X.append(train_iter.epoch)
            loss_Y.append(loss.data)
except Exception as e: # replaced with Exception to handle other errors
    raise Exception('Invalid json: {}'.format(e))
    while True:
        test_batch = test_iter.next()
        x_test, t_test = concat_examples(test_batch)
        y_test = model(x_test)
        loss_test = F.mean_squared_error(y_test, t_test)
        if test_iter.is_new_epoch:
            test_iter.epoch = 0
            test_iter.current_position = 0
            test_iter.is_new_epoch = False
            test_iter._pushed_position = None
            break
    print("test_loss=", loss_test.data)
    loss_Y_test.append(loss_test.data)
    study_loss = loss_test.data
    if study_loss < studyThreshold:
        needStudy = False
        print("loss is less than threshold value")