隐藏文件ipynb_checkpoints引起错误

代码完成的功能主要为：设置fits源文件路径和保存分类结果路径；读取fits文件并进行预处理和分类;保存分类结果

把主要代码贴出来：

设置目录：

if __name__ == '__main__':
    # app = QApplication(sys.argv)
    # ex = Example()
    # ex.show()
    # sys.exit(app.exec_())
    #file = 'F:\Auroral\experiment\datasetfortest'
    file = '/home/zhongjia/aurora_data/ASI_data/test'
    savepath = '/home/zhongjia/aurora_data/ASI_data/test/predict_result'
    predict(file,savepath)

寻找file目录下的fits文件

    def __getitem__(self, idx):
        filename = self.root_dir + '/' + self.metas[idx]
        if filename[-4:]=='fits':
            img, standertime = readfits(filename)
            print('yes')
        if filename[-3:] =='img':
            img,standertime = readimg(filename)

        if self.transform is not None:
            img = self.transform(img)
        return img

调用模型并将结果保存到savepath目录：

def predict(files,saveresult):
    batchsize=100
    model = DenseNet169()
    model.eval()
    load_path = 'checkpoint/_200.pth.tar'
    load_model(load_path,model)
    cuda_flag = False
    val_dataset = McDataset(
        files,
        transforms.Compose([
            ResizeCV2(224, 224),
            trans2pil(),
            transforms.ToTensor(),
            White(),]))
    kwargs = {'num_workers': 1, 'pin_memory': True} if cuda_flag else {}
    test_loader = torch.utils.data.DataLoader(
        val_dataset, batch_size= batchsize, shuffle=False, **kwargs)
    originfile = os.listdir(files)
    for batch_idx, data in enumerate(test_loader):
        # data, target = data.cuda(), target.cuda()
        data= Variable(data)
        output = model(data)
        output = F.softmax(output, dim=1)
        pred = output.data.max(1)[1]  # get the index of the max log-probability

        for i in range(len(pred)):
            if pred[i] == 1:
                oldname = os.path.join(files,originfile[i+batch_idx * batchsize])
                newname = os.path.join(saveresult,'throat_aurora')
                if not os.path.exists(newname):
                    os.makedirs(newname)
                newname = os.path.join(newname, originfile[i + batch_idx * batchsize])
                shutil.copyfile(oldname, newname)
            else:
                oldname = os.path.join(files, originfile[i + batch_idx * batchsize])
                newname = os.path.join(saveresult, 'not_throat_aurora')
                if not os.path.exists(newname):
                    os.makedirs(newname)
                newname = os.path.join(newname,originfile[i + batch_idx * batchsize])
                shutil.copyfile(oldname, newname)

以上是部分功能代码，整个程序第一次成功运行完成后，我在test目录下看到了predict_result的预测结果文件：

当我对代码进行修改时，如果修改正确，程序正常运行，每次都能生成predict_result文件。

重点是！！！！！当我错误地修改代码后，程序运行报错，然后我再次将代码还原，即使和之前的代码一模一样，还是出现了以下报错：UnboundLocalError: local variable 'img' referenced before assignment

 

然后我一看是 img = self.transform(img)变量未定义就开始引用，妈的，我当时想到为什么之前同样的程序就能运行，难道之前程序是存在bug，只是偶尔成功运行。于是乎我对img的transform相关的函数进行了一步步仔细的检查，发现真的没有问题啊，不应该报错呢。别慌，还有一个地方未检查，那就是可能根本没找到fits,导致执行到transform出img未定义！！！

于是我 print('yes')发现还真的未执行，证明未找到fits, 我在jupyter lab和linux终端ls命令查看了test目录下文件，就只有一个fits文件啊，为什么会未找到fits呢？？？然后我想到隐藏文件:

ls -a 查看test目录下究竟有什么东西：

.ipynb_checkpoints文件隐藏在此！！！！！

删除它！！！！

然后程序正常运行了！

notebook运行出错的时候会生成.ipynb_checkpoints的隐藏文件，很可能导致你在该目录下寻找其他文件出错。