PyTorch实现神经网络时出现UnboundLocalError: out引用前未赋值问题求解

报错核心原因 #

UnboundLocalError: local variable 'out' referenced before assignment是Python层面的变量引用错误，和PyTorch网络逻辑本身无关，问题出在forward函数的变量名书写错位：
你定义forward逻辑时，执行顺序是先获取第一层全连接层的输出，再将该输出传入LeakyReLU激活层，最后经过第二层全连接层得到最终输出。但写激活层调用语句时，错把上一步生成的输出变量outfc1写成了还未被定义的out——out是你给第二层全连接层输出赋值时才会创建的变量，属于典型的提前引用未定义变量的语法错误。

问题代码片段 #

def forward(self,input):
    outfc1 = self.fc1(input) 
    # 此处错误引用了后续流程才会定义的out变量
    outfc1lrelu = self.lrelu(out)  
    out = self.fc2(outfc1lrelu) 
    return out

修复方案 #

将传入LeakyReLU层的参数替换为第一层全连接层的实际输出outfc1即可，修正后的forward逻辑：

def forward(self,input):
    outfc1 = self.fc1(input) 
    outfc1lrelu = self.lrelu(outfc1)  # 修正为引用fc1的真实输出
    out = self.fc2(outfc1lrelu) 
    return out

非报错触发的额外提示 #

• 你原本计划基于MNIST数据集训练，当前代码实际加载的是乳腺癌二分类数据集，两者的输入维度、分类数差异较大，后续切换到MNIST数据集时，需要同步调整超参数：将input_size设为784（28*28图像展平后的维度）、num_classes设为10（手写数字0-9的分类数）。
• 当前设置的Adam优化器学习率为1e-8数值过低，训练过程中模型参数几乎不会更新，100轮迭代后Loss不会出现明显下降，可将学习率调整到1e-3~1e-4区间观察训练效果。

内容的提问来源于stack exchange，提问作者Alison