Question

这不是我的代码，因为这是显示问题的行：

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

（正如我现在想的那样，此代码很有可能使用旧版的TF，因为“ epochs”被写为“ nb_epoch”）。

代码的最新更新来自：2017年1月11日！

我已经尝试了互联网上的所有内容（还不是很多），包括在tensorflow / keras的源代码中寻找一些提示。为了清楚起见，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TF的不同版本（tensorflow / tensorflow / python / keras / engine / training_arrays.py）。似乎所有这些内容都来自2018年的版权，但有些以函数fit_loop开头，而其他的则以model_iteration（可能是fit_loop的更新）开头。

因此，此“ 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，正如我所解释的那样，代码内部没有这样的变量。

但是，这是函数“ stock_prediction”的一些代码，该代码给出错误：


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

一些澄清：

我试图查看我的tf / keras版本，就是这样：

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显示不同的版本？

Answer 1

package com.course.kafkaproducer;

import com.course.kafkaproducer.producer.HelloKafkaProducer;
import com.course.kafkaproducer.producer.KafakKeyProducer;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.CommandLineRunner;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.scheduling.annotation.EnableScheduling;

@SpringBootApplication
//@EnableScheduling
public class KafkaProducerApplication implements CommandLineRunner {

    @Autowired
    private KafakKeyProducer producer;

    public static void main(String[] args) {
        SpringApplication.run(KafkaProducerApplication.class, args);
    }

    @Override
    public void run(String... args) throws Exception {
        for (int i = 0; i < 30; i++) {
            var key = "key-" + (i % 4);
            var data = "data " + i + " with key " + key;
            producer.send(key, data);
        }
    }
}

问题的原因是批次列表为空！ UnboundLocalError: local variable 'batch_index' referenced before assignment

之所以空白，是因为用于训练数据的样本数量太小，无法除以batch_size

您应该检查数据，样本数量或您应该将batch_size减小到一个点，以使您可以将样本数量除以批量大小并得出真实结果。

Answer 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起作用：

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

显然，这与Keras的不同版本有关。

Answer 3

我检查了training_arrays.py（here）中出现错误的函数，并且正如我所看到的，我认为问题可能出在这些语句中（来自第177-205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，则可能会出现此错误。可能是您的训练集有问题吗？

Answer 4

此错误是因为培训数据为空。无论您是直接从keras导入还是从tensorflow导入，如果不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。还要确保您正在传递数据中的几条记录。如果您从tensorflow导入Keras并使用该错误，将是

”提高ValueError（“空训练数据”。） ValueError：空的训练数据。“

如果直接，则该消息将是有问题的错误消息。

UnboundLocalError：分配前已引用局部变量“ batch_index”

4 个答案:

问题已解决！

而不是直接导入Keras：

仅导入tensorflow起作用：