Python跨类传递for循环迭代变量后如何在类内访问该值

你的代码存在3个核心语法/逻辑错误，导致传入cross类的迭代计数无法正常调用：

• 类构造方法拼写错误：Python类的构造方法为固定名称__init__（前后各2个下划线），你写的init__缺少前置双下划线，实例化类时根本不会触发初始化逻辑，传入的g值没有绑定到类实例上
• 变量作用域错误：你在KFold循环中直接判断v == c，但v是cross类的实例属性，脱离类实例直接访问v会直接触发变量未定义报错
• 缩进逻辑错误：你把KFold拆分、数据集初始化的逻辑写在了cross类定义的同级缩进下，不属于类的内部逻辑，自然无法访问类内部存储的传入值

首先修正cross类的构造方法拼写，把需要用到传入计数的训练相关逻辑收拢到类的实例方法中，通过self.前缀访问实例存储的计数值。

修正后的cross类定义 #

class cross():
    # 构造方法必须为__init__，前后双下划线
    def __init__(self, value):
        # 传入的迭代计数绑定为实例属性self.v，类内部所有方法都可以通过self.v访问该值
        self.v = value
        print('i entered the classs')
        # 初始化时自动执行KFold拆分逻辑
        self.run_kfold_pipeline()
    
    def run_kfold_pipeline(self):
        fold_count = 0
        for train_index, test_index in kf.split(x_trainval):
            fold_count += 1
            x_train, x_val = x[train_index], x[test_index]
            y_train, y_val = y[train_index], y[test_index]
            print("TRAIN:", train_index, "TEST:", test_index)
            print("epoch", fold_count)
            # 直接访问实例属性self.v，就是外层循环传入的g值
            if self.v == fold_count:
                print("compare")
                break
        
        # 数据集、DataLoader初始化逻辑收拢到类方法内，可正常拿到拆分后的数据
        train_dataset = classifierdataset(torch.from_numpy(x_train).float(), torch.from_numpy(y_train).long())
        val_dataset = classifierdataset(torch.from_numpy(x_val).float(), torch.from_numpy(y_val).long()) 
        test_dataset = classifierdataset(torch.from_numpy(x_test).float(), torch.from_numpy(y_test).long())   

        train_loader = DataLoader(dataset=train_dataset, batch_size=BATCH_SIZE)
        val_loader = DataLoader(dataset = val_dataset, batch_size = 1)
        test_loader = DataLoader(dataset = test_dataset , batch_size = 1)
        print("train",x_train,"val",x_val)

外层迭代代码无需调整 #

你原来写的外层循环生成迭代计数、实例化类的逻辑可以直接运行：

for e in range(1, EPOCHS+1):
    g = 0 
    for j in range(jin):
        g += 1
        print(g)
        train_epoch_loss = 0
        train_epoch_acc = 0   
        # 实例化时传入g值，会自动执行初始化和KFold拆分逻辑
        p1 = cross(g)
        model.train()

注意：Python类中需要跨方法共享的实例属性必须加self.前缀，直接写变量名会被识别为方法内的局部变量，跨作用域访问就会触发报错。

内容的提问来源于stack exchange，提问作者luffy