PyTorch实现U-Net图像分割报错NameError: name 'val_iou' is not defined

• 任务目标：基于U-Net网络对RUGD数据集执行图像分割任务
• 已完成前置工作：
  • 安装segmentation-models-pytorch等项目依赖
  • 完成数据集加载、训练/验证集划分
  • 配置数据增强策略
  • 构建训练、验证集对应DataLoader
  • 初始化以MobileNetV2为编码器的U-Net分割模型
  • 定义像素准确率、mIoU两类分割评估指标
  • 编写fit训练循环核心函数
• 报错表现：启动训练后，代码执行到val_iou.append(val_iou_score/len(val_loader))语句时抛出NameError: name 'val_iou' is not defined，训练流程中断。

该报错为Python变量作用域类基础错误，核心原因是执行append操作时，当前代码作用域内不存在名为val_iou的列表对象，常见诱因共三类：

• 编写指标存储逻辑时，仅初始化了训练集对应的train_loss、train_acc、train_iou存储列表，漏写验证集IoU存储列表val_iou的初始化语句
• val_iou初始化语句的缩进层级错误，比如写在了epoch循环内部、条件判断分支内，和append操作不在同一作用域
• 存在变量名拼写错误，初始化时用了val_ious、val_iou_list等其他命名，和append调用时的变量名不匹配

1. 定位到fit函数内epoch循环启动前的指标初始化区块，和其余训练、验证指标的初始化保持同一缩进层级，补上val_iou的空列表初始化，参考实现如下：

def fit(model, train_loader, val_loader, criterion, optimizer, epochs, device):
    # 此处省略优化器、损失函数、设备挂载等前置初始化逻辑
    # 所有epoch共用的指标存储列表统一在循环外初始化，注意缩进对齐
    train_loss = []
    train_acc = []
    train_iou = []
    val_loss = []
    val_acc = []
    val_iou = []  # 补上漏写的这行初始化即可解决未定义问题

    for epoch in range(epochs):
        # 训练阶段逻辑
        model.train()
        train_running_loss = 0.0
        train_iou_score = 0.0
        train_acc_score = 0.0
        # 省略逐batch训练、指标累加代码
        # 训练轮次结束后计算平均指标并存入列表
        train_loss.append(train_running_loss/len(train_loader))
        train_acc.append(train_acc_score/len(train_loader))
        train_iou.append(train_iou_score/len(train_loader))

        # 验证阶段逻辑
        model.eval()
        val_running_loss = 0.0
        val_iou_score = 0.0
        val_acc_score = 0.0
        # 省略逐batch验证、指标累加代码
        # 验证轮次结束后计算平均指标并存入列表
        val_loss.append(val_running_loss/len(val_loader))
        val_acc.append(val_acc_score/len(val_loader))
        val_iou.append(val_iou_score/len(val_loader)) # 该行不再抛出NameError

2. 校验缩进层级：确保val_iou = []的初始化位置在整个epoch循环的外部，不要写在for循环内部导致每轮重置列表，也不要写在if/else等可能不触发的分支内。
3. 排查命名一致性：全局搜索val_iou关键词，确保初始化、append调用、后续日志打印/绘图环节的变量名完全一致，避免拼写偏差。

内容的提问来源于stack exchange，提问作者Chris Kehl