从您提供的代码来看，问题出现在 `if epoch % 10 == 0:` 这一行上。具体来说，`SyntaxError: invalid syntax` 表明该行存在语法错误。 ### 错误原因分析 通过检查代码上下文可以发现，在此之前有一段缩进存在问题的地方： ```python avg_loss = total_loss / ((min(len(indices_src), len(indices_tgt)) // batch_size) if epoch % 10 == 0: ``` 在这部分代码中，`if epoch % 10 == 0:` 的缩进层级有问题。Python 对代码块的缩进非常敏感，因此如果这里的缩进不符合预期，就会引发 `SyntaxError`。 正确的做法应该是将 `if epoch % 10 == 0:` 放到与外层循环相同的缩进级别下，并修正其前面多余的空格或 Tab 字符。 --- ### 修改后的代码片段 以下是修复后的代码部分： ```python for epoch in range(epochs): indices_src = torch.randperm(len(src_X)) indices_tgt = torch.randperm(len(tgt_X)) total_loss = 0 for i in range(min(len(indices_src), len(indices_tgt)) // batch_size): start_idx = i * batch_size end_idx = (i + 1) * batch_size src_batch_X = src_X[indices_src[start_idx:end_idx]].to(device) tgt_batch_X = tgt_X[indices_tgt[start_idx:end_idx]].to(device) combined_X = torch.cat([src_batch_X, tgt_batch_X], dim=0) features = extractor(combined_X) mmd_loss = compute_mmd_loss(features[:len(src_batch_X)], features[len(src_batch_X):]) cls_logits = classifier_head(features[:len(src_batch_X)]) ce_loss = criterion_class(cls_logits, src_y[indices_src[start_idx:end_idx]].to(device)) final_loss = ce_loss + 0.1 * mmd_loss optimizer.zero_grad() final_loss.backward() optimizer.step() total_loss += final_loss.item() avg_loss = total_loss / ((min(len(indices_src), len(indices_tgt)) // batch_size) if epoch % 10 == 0: # 确保这一行处于正确缩进位置 print(f"[Epoch {epoch}] Avg Loss: {avg_loss:.4f}.") print("Domain Adaptation Completed!") ``` 在这里我们将 `if epoch % 10 == 0:` 调整到了合适的缩进层次。 --- ### 总结 这个问题的根本原因是 Python 中对缩进的要求较高，您的代码中可能存在多余空白字符导致了语法错误。此外需要注意的是混合使用空格和Tab可能会引起类似的问题，建议统一采用其中一种方式进行缩进（推荐使用空格）。