这不是我的代码，但这是显示问题的行：
model.fit(trainX, trainY, batch_size=2, epochs=200, verbose=2)（正如我现在所想，这段代码很可能使用了较旧版本的TF，因为 ‘epochs’ 被写成了 ‘nb_epoch’）。
代码的最后更新时间是：2017年1月11日！
我已经尝试了网上找到的所有方法（其实并不多），包括查看tensorflow/keras的源代码以寻找一些线索。需要明确的是，我的代码中并没有名为 ‘batch_index’ 的变量。
到目前为止，我已经查看了不同版本的TF（tensorflow/tensorflow/python/keras/engine/training_arrays.py）。看起来这些都是2018年的版权，但有些是从fit_loop函数开始的，而另一些是从model_iteration开始的（这可能是fit_loop的更新）。
因此，这个 ‘batch_index’ 变量只能在第一个函数中看到。
我怀疑我是否走在正确的方向上？！
展示代码是没有意义的，因为如我所解释的，代码中根本没有这样的变量。
但是，这里是引发错误的 ‘stock_prediction’ 函数的一些代码：
def stock_prediction(): # 从csv文件中收集数据点 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) # 创建数据集矩阵（X=t 和 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) # 创建并拟合多层感知器模型 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) # 我们对明天的预测 prediction = model.predict(np.array([dataset[0]])) result = '价格将从 %s 变为 %s' % (dataset[0], prediction[0][0]) return result---------------------------------------------------------------------------UnboundLocalError Traceback (most recent call last)<ipython-input-19-3dde95909d6e> in <module> 14 15 # 我们有了文件，所以我们创建神经网络并获取预测---> 16 print(stock_prediction()) 17 18 # 我们完成了，所以我们删除csv文件<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 # 我们对明天的预测~\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: # 最后一个批次。 214 if do_validation and should_run_validation(validation_freq, epoch): 215 val_outs = test_loop(model, val_function, val_inputs,UnboundLocalError: 在赋值之前引用了局部变量 'batch_index'一点澄清：
我尝试查看我的tf/keras版本，这是它的版本：
from tensorflow.python import kerasprint(keras.__version__)import kerasprint(keras.__version__)import tensorflowprint(tensorflow.__version__)2.2.4-tf
2.2.5
1.14.0
为什么keras显示不同的版本？
回答：
我在 training_arrays.py (这里) 中检查了您遇到错误的函数，我认为问题可能出在这些语句（从第177行到第205行）：
batches = make_batches(num_train_samples, batch_size)for batch_index, (batch_start, batch_end) in enumerate(batches): # 问题在这里 # 做一些事情 ...if batch_index == len(batches) - 1: # 做一些事情 ...如果batches是一个空列表，您可能会遇到这个错误。您的训练集可能存在一些问题吗？
