我在调试pytorch代码时发现DataLoader类的实例默认情况下似乎是全局变量。我不明白为什么会出现这种情况，但我已经建立了一个最低限度的工作示例，如下所示，应该可以重现我的观察结果。代码如下：
import numpy as np
import torch
import torch.nn as nn
from torch.utils.data import Dataset, DataLoader
class MyDataset(Dataset):
def __init__(self, df, n_feats, mode):
data = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]).transpose()
x = data[:, list(range(n_feats))] # features
y = data[:, -1] # target
self.x = torch.FloatTensor(x)
self.y = torch.FloatTensor(y)
def __getitem__(self, index):
return self.x[index], self.y[index]
def __len__(self):
return len(self.x)
def prep_dataloader(df, n_feats, mode, batch_size):
dataset = MyDataset(df, n_feats, mode)
dataloader = DataLoader(dataset, batch_size, shuffle=False)
return dataloader
tr_set = prep_dataloader(df, 1, 'train', 200)
def test():
print(tr_set)
如上所示，tr_set是在函数test之前创建的，并且不传递给test。然而，运行上面的代码，我得到了以下结果：
<torch.utils.data.dataloader.DataLoader object at 0x7fb6c2ea7610>
起初，我希望得到一个类似"；名称错误：未定义名称"tr_set"；。但是，即使tr_set没有作为参数传递，函数也知道tr_set并打印tr_set的对象。我对此感到困惑，因为在这种情况下，tr_set似乎是一个全局变量。
我想知道这是什么原因，以及如何防止它成为一个全局变量。非常感谢。
(更新：如果这很重要，我在jupyter笔记本上运行上面的代码。(
这与DataLoader或PyTorch的工作方式无关。
它实际上不是一个全局变量，但由于tr_set在外部范围内，因此在文件的第一级中，同一文件的其他组件可以访问它。然而，例如，其他模块无法访问同一变量，因此不是全局变量。函数test能够访问tr_set的原因是对该变量进行了闭包，即变量被传递到test的内部范围。