Python UnboundLocalError：局部变量'；批次指数'；分配前参考

这不是我的代码，这是一行，它显示了一个问题：

模型拟合（trainX，trainY，批量大小=2，历代=200，详细=2）

（正如我现在所想的，这段代码很可能使用较旧版本的TF，因为“epochs”被写成“nb_epoch”）

代码的最后更新日期为：2017年1月11日

我已经尝试了互联网上的一切（其实并不多），包括查看tensorflow/keras的源代码以获得一些提示。只是为了明确我没有一个变量，在代码中称为“batch_index”

到目前为止，我已经了解了TF的不同版本（tensorflow/tensorflow/python/keras/engine/training_array.py）。似乎所有这些都是2018年版权所有的，但有些是从函数fit_循环开始的，另一些是从model_迭代开始的（这可能是fit_循环的更新）

因此，这个“batch_index”变量只能在第一个函数中看到

我不知道我是否走在正确的方向上

显示代码没有任何意义，因为正如我所解释的，代码中首先没有这样的变量

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

def stock_prediction（）：
#从csv收集数据点
数据集=[]
打开（文件名）为f时：
对于n，枚举（f）中的行：
如果n！=0:
dataset.append（float（line.split（'，'）[1]））
dataset=np.array（数据集）
#创建数据集矩阵（X=t和Y=t+1）
def创建_数据集（数据集）：
dataX=[dataset[n+1]表示范围内的n（len（dataset）-2）]
返回np.array（dataX），数据集[2:]
trainX，trainY=创建_数据集（数据集）
#创建并拟合多线性感知器模型
模型=顺序（）
添加（密集（8，输入尺寸=1，激活=relu'））
模型.添加（密度（1））
compile（loss='mean\u squared\u error'，optimizer='adam'）
模型拟合（trainX，trainY，nb_epoch=200，批次尺寸=2，详细度=2）
#我们对明天的预测
prediction=model.predict（np.array（[dataset[0]]））
结果='价格将从%s移动到%s'（数据集[0]，预测[0][0]）
返回结果

---------------------------------------------------------------------------
取消绑定LocalError回溯（最近一次调用上次）
在里面
14
15#我们有我们的文件，所以我们创建了神经网络并得到了预测
--->16打印（库存预测（））
17
18#我们已经完成了，因此我们删除了csv文件
库存预测（）
23型号。添加（密度（1））
24模型编译（loss='mean_squared_error'，optimizer='adam'）
--->25模型拟合（trainX，trainY，批量大小=1，epochs=200，详细=2）
26
27#我们对明天的预测
~\Anaconda3\lib\site packages\keras\engine\training.py拟合（self、x、y、批量大小、历元、冗余、回调、验证分割、验证数据、随机、类权重、样本权重、初始历元、每历元步数、验证步骤、验证频率、最大队列大小、工作者、使用多处理、**kwargs）
1176步/u历元=步/u历元，
1177验证步骤=验证步骤，
->1178验证频率=验证频率）
1179
1180 def评估（自我，
~\Anaconda3\lib\site packages\keras\engine\training\u arrays.py in fit\u loop（模型、fit\u函数、fit\u输入、out\u标签、批大小、历元、详细信息、回调、val\u函数、val\u输入、无序排列、回调度量、初始历元、每历元的步骤、验证步骤、验证频率）
211中断
212
-->213如果批次索引==len（批次）-1:#最后一批。
214如果进行验证且应运行验证（验证频率、历元）：
215 val_outs=测试_回路（模型、val_功能、val_输入、，
UnboundLocalError:赋值前引用的局部变量“batch_index”

稍微澄清一下：

我试图查看我的tf/keras版本，如下所示：

来自tensorflow.python导入keras
打印（keras.\uuuu版本\uuuuu）
进口干酪
打印（keras.\uuuu版本\uuuuu）
输入张量流
打印（tensorflow.\uuuu版本\uuuu）

2.2.4-tf

2.2.5

1.14.0

---

为什么keras显示不同的版本？？？

我在

training_arrays.py

（）中检查了获得错误的函数，如我所见，我认为问题可能出在这些语句中（从第177-205行）：

如果批次为空列表，则可能出现此错误。可能是您的培训集有问题吗？

问题已解决！ 我必须导入正确的库（Tensorflow而不是Keras）：

不是直接导入KERA： 仅导入tensorflow工作： 显然，这与Keras的不同版本问题有关。

UnboundLocalError:赋值前引用的局部变量“batch_index”

出现问题的原因是批次列表为空！

batches==[]

它为空的原因是因为训练数据的样本数太小，无法除以批次大小

您应该检查您的数据、样本数量或

---

您应该将批次大小减小到允许您将样本数量除以批次大小，从而获得真实结果的程度。

此错误是因为存在空的培训数据。无论您是直接从keras导入，还是从tensorflow导入，如果您未传递正确的数据，都会出现错误，错误消息可能因导入或版本而异。Al因此，请确保在数据中传递了两条记录。如果从tensorflow导入Keras并使用

“提升值错误（'空培训数据'） ValueError:培训数据为空。“

如果直接，则消息将是错误消息

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
    ...

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

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