如何解决UnboundLocalError:分配前已引用局部变量“ ckpt_path”
即使之前未定义'ckpt'路径,我也面临此问题。 几乎没有解决方案可以使变量成为全局变量。我不知道如何在下面的代码中实现它。 错误的回溯
Traceback (most recent call last):
File "make_feature_maps.py",line 186,in <module>
main(argv=sys.argv)
File "make_feature_maps.py",line 163,in main
checkpoint_path=ckpt_path)
UnboundLocalError: local variable 'ckpt_path' referenced before assignment
对于上面的追溯线163是:
predict_generator = model.predict(input_fn = lambda: input_fn(None,batch_size=1,n_steps=None,shuffle=False,n_epochs=1,args=args),checkpoint_path=ckpt_path)
,第186行是:
if __name__ == '__main__': #line-184
tf.logging.set_verbosity(tf.logging.INFO) #line185
main(argv=sys.argv) #line-186
主要代码为:
def main(argv):
parser = argparse.ArgumentParser()
add_args.for_general(parser)
add_args.for_inference(parser)
add_args.for_evaluation(parser)
add_args.for_feature(parser)
add_args.for_lstm(parser)
args = parser.parse_args()
config = tf.estimator.runconfig(save_summary_steps=float('inf'),log_step_count_steps=10)
params = {
'image_size': args.image_size,'gazemap_size': args.gazemap_size,'model_dir': args.model_dir
}
model = tf.estimator.Estimator(
model_fn=model_fn,model_dir=args.model_dir,config=config,params=params)
#determine which checkpoint to restore
if args.model_iteration is None:
best_ckpt_dir = os.path.join(args.model_dir,'best_ckpt')
if os.path.isdir(best_ckpt_dir):
ckpt_name = [f.split('.index')[0] for f in os.listdir(best_ckpt_dir) if f.endswith('.index')][0]
ckpt_path = os.path.join(best_ckpt_dir,ckpt_name)
args.model_iteration = ckpt_name.split('-')[1]
else:
ckpt_name = 'model.ckpt-'+args.model_iteration
ckpt_path = os.path.join(args.model_dir,ckpt_name)
K.clear_session()
predict_generator = model.predict(
input_fn = lambda: input_fn(None,checkpoint_path=ckpt_path)
output_dir = os.path.join(args.data_dir,'image_features_'+args.feature_name)
if not os.path.isdir(output_dir):
os.makedirs(output_dir)
解决方法
我认为ckpt_path
未定义,因为args.model_iteration is not None
和os.path.isdir(best_ckpt_dir)
为False。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。