Python3.10 报错 UnboundLocalError: local variablereferenced before assignment，原因和解决办法

最新推荐文章于 2024-10-16 16:28:57 发布

zhangfeng1133

最新推荐文章于 2024-10-16 16:28:57 发布

阅读量852

点赞数 15

CC 4.0 BY-SA版权

文章标签： python 深度学习开发语言

本文链接：https://blog.csdn.net/zhangfeng1133/article/details/142112841

原来的环境是 python 3.7 torch1.13.1 环境下面跑通的代码

到 python 3.10 和torch 2.3.1报错

原因：

在函数内部更改全局变量就会出现此错误。
函数内部没有初始化
函数内部的循环内部没有初始化（3.10）

报错UnboundLocalError: local variablereferenced before assignment

如果在函数内部的一开始的地方初始化变量还是会报错的

解决 gradient_penalty = 0 要在循环的内部，初始化

改成

def train(iterations, batch_size):
    num_steps = 0
    # 每多少次 生成一个批评家（鉴别器）
    critic_iterations = 10
    # 每多少次 输出下 损失数值
    print_every = 30
    with tqdm(total=iterations * batch_size, desc='Training', ncols=70) as pbar:
        dlosses = []  # 存储判别器损失
        glosses = []  # 存储生成器损失
        for iteration in range(iterations):
            for _ in range(batch_size):
                # 增加步数计数
                num_steps += 1

                # 初始化 gradient_penalty
                # python 3.10
                gradient_penalty = 0

                # 2. 训练生成器
                # 生成新的假数据
                # 每 critic_iterations 次迭代更新一次生成器
                if num_steps % critic_iterations == 1:
                    noise = torch.randn(batch_size, input_dim, device=device)
                    fake_data = generator(noise)
                    if gradient_penalty != 0 :
                        # 生成器的损失
                        g_loss = gradient_penalty.data.item()
                        glosses.append(g_loss.item())
                        # 重置判别器优化器的梯度
                        optimizer_G.zero_grad()
                        g_loss.backward()
                        optimizer_G.step()

其他

===================================================

摘录自 https://blog.csdn.net/weixin_48419914/article/details/122008139 ================================================

例一（不会报错）：
a= 3
def temp():
print(a)
temp() #输出的结果为3
在上面一段代码中，函数temp的操作是打印a的值，但函数内部并没有对a进行定义，此时系统会在外部寻找a的值，而我们在函数外部给a赋值为3，这种在函数外部赋值的变量被称为全局变量（global variable），这种情况下运行函数temp不会出错，

例二（会报错）：
a= 3
def temp():
print(a)
a+=1
temp() #会报错, UnboundLocalError: local variable 'a' referenced before assignment
原因是我们定义的函数temp内部第一次打印a是调用的全局变量，而打印后却令a=a+1，在函数内部试图更改全局变量a导致错误。

例三（改正例二）：
如果我们确实希望通过函数temp打印全局变量a，并且将a的值加1，那么就要在函数内部声明全局变量。

a= 3
def temp():
global a #声明我们在函数内部使用的是在函数外部定义的全局变量a
print(a)
a+=1
temp()
调用temp函数，不会再报错了。此时就会发现a的值确实变成4