我發(fā)現(xiàn)當(dāng)我使用 .item() 從目標(biāo)函數(shù)中的 numpy 數(shù)組中檢索值時(shí) scipy.optimize.minimize 有效，但是當(dāng)我通過(guò)索引 [0,0] 檢索時(shí)它失敗了：def sigmoid(Z): return 1 / (1 + np.exp(-Z))def hyp_log(X, theta): return sigmoid(X @ theta)def cost_log(theta, X, Y, reg_const=0): hyp = hyp_log(X, theta) return (Y.T @ -np.log(hyp) + (1-Y).T @ -np.log(1-hyp)).item() / len(X) + reg_const * (theta[1:].T @ theta[1:]).item() / (2 * len(X))result = minimize(cost_log, theta, args=(X,Y,reg_const), method='TNC')如果我使用[0,0]索引而不是.item()在cost_log函數(shù)中使用索引，函數(shù)本身的工作方式與以前完全相同，但將IndexError: too many indices for array. 我想了解為什么會(huì)發(fā)生這種情況以及在使用最小化時(shí)在目標(biāo)函數(shù)中應(yīng)注意的事項(xiàng)。
1 回答
12345678_0001
TA貢獻(xiàn)1802條經(jīng)驗(yàn) 獲得超5個(gè)贊
由于您沒(méi)有提供Xor Y，我不會(huì)看：
(Y.T @ -np.log(hyp) + (1-Y).T @ -np.log(1-hyp))
但與：
(theta[1:].T @ theta[1:]).item()
如果theta是（n，1）：
In [15]: theta = np.arange(5)[:,None]
In [16]: theta.shape
Out[16]: (5, 1)
In [17]: (theta[1:].T @ theta[1:])
Out[17]: array([[30]])
In [18]: (theta[1:].T @ theta[1:])[0,0]
Out[18]: 30
In [19]: (theta[1:].T @ theta[1:]).item()
Out[19]: 30
但是如果你把它theta給minimize，它會(huì)把它分解成 (n,) 形狀：
In [20]: theta=theta.ravel()
In [21]: (theta[1:].T @ theta[1:])
Out[21]: 30
In [22]: (theta[1:].T @ theta[1:]).shape
Out[22]: ()
In [23]: (theta[1:].T @ theta[1:]).item()
Out[23]: 30
In [24]: (theta[1:].T @ theta[1:])[0,0]
...
IndexError: invalid index to scalar variable.
I 正如最初所寫(xiě)的那樣，item可以與單個(gè)項(xiàng)目數(shù)組一起使用，而不管尺寸如何。 [0,0]僅適用于二維（或更高）數(shù)組。
添加回答
舉報(bào)
0/150
提交
取消