问题遇到的现象和发生背景
BP神经网络中网上代码复制之后运行，调试过程中出现的问题。搜到的很多回答说缺少一个括号，但是试了之后还是不知道在哪里加括号。
问题相关代码，请勿粘贴截图
import os
import struct
import numpy
#数据加载函数，kind值标明了读取文件的类型
def load(path, kind='train'):
labels_path = os.path.join(path,'%s-labels.idx1-ubyte'% kind)
images_path = os.path.join(path,'%s-images.idx3-ubyte'% kind)
with open(labels_path, 'rb') as lbpath:
magic, n = struct.unpack('>II',lbpath.read(8))
labels = numpy.fromfile(lbpath,dtype=numpy.uint8)
with open(images_path, 'rb') as imgpath:
magic, num, rows, cols = struct.unpack('>IIII',imgpath.read(16))
images = numpy.fromfile(imgpath,dtype=numpy.uint8).reshape(len(labels), 784)
#读取到的labels为0-9的数字，需转化为十位的numpy数组
ls=[]
for i in range(labels.size):
temp=numpy.zeros(10)
temp[labels[i]]=1
ls.append(temp.T)
labels=numpy.array(ls)
#由于源数据有些数据过大，会导致激活函数计算溢出，所以对数据集集体缩小，
#由于图片数据每一位的值均为0-255之间，但统一除以255后发现当神经元个数达到一定数目或层数增加时还是会计算溢出，于是决定统一除以2550
return (images/2550), labels
class neuralNetwork:
def __init__(self,numNeuronLayers,numNeurons_perLayer,learningrate):
self.numNeurons_perLayer=numNeurons_perLayer
self.numNeuronLayers=numNeuronLayers
self.learningrate = learningrate
self.weight=[]
for i in range(numNeuronLayers):
self.weight.append(numpy.random.normal(0.0, pow(self.numNeurons_perLayer[i+1],-0.5),
(self.numNeurons_perLayer[i+1],self.numNeurons_perLayer[i]) ) )
self.activation_function = lambda x: 1.0/(1.0+numpy.exp(-x))
def update(self,inputnodes,targets):
inputs = numpy.array(inputnodes,ndmin=2).T
targets = numpy.array(targets,ndmin=2).T
#前向传播
#定义输出值列表（outputs[0]为输入值）
self.outputs=[]
self.outputs.append(inputs)
#用激活函数对神经网络的每一层计算输出值，并保存到outputs列表中
for i in range(self.numNeuronLayers):
temp_inputs=numpy.dot(self.weight[i],inputs)
temp_outputs=self.activation_function(temp_inputs)
inputs=temp_outputs
self.outputs.append(temp_outputs)
#计算每层的训练误差
self.output_errors=[]
for i in range(self.numNeuronLayers):
#输出层的误差=目标值-输出值
if i == 0:
self.output_errors.append(targets - self.outputs[-1])
#隐藏层的误差=当前隐藏层与下一层之间的权值矩阵与下一层的误差矩阵的乘积
else:
self.output_errors.append(numpy.dot((self.weight[self.numNeuronLayers-i]).T,
self.output_errors[i-1]))
#反向传播
for i in range(self.numNeuronLayers):
#权值更新规则为之前权值+学习率*误差*第二层输出*（1-第二层输出）*第一层输出
#f(x)*（1-f(x)）即为激活函数f(x)的导函数
self.weight[self.numNeuronLayers-i-1] += self.learningrate * numpy.dot((self.output_errors[i]
* self.outputs[-1-i] * (1.0 - self.outputs[-1-i])), numpy.transpose(self.outputs[-1-i-1]))
def test(self,test_inputnodes,test_labels):
inputs = numpy.array(test_inputnodes,ndmin=2).T
#走一遍前向传播得到输出
for i in range(self.numNeuronLayers):
temp_inputs=numpy.dot(self.weight[i],inputs)
temp_outputs=self.activation_function(temp_inputs)
inputs=temp_outputs
#返回模型输出结果是否与测试用例标签一致
return list(inputs).index(max(list(inputs)))==list(test_labels).index(1)
def output(self,test_inputnodes,f):
inputs = numpy.array(test_inputnodes,ndmin=2).T
#走一遍前向传播得到输出
for i in range(self.numNeuronLayers):
temp_inputs=numpy.dot(self.weight[i],inputs)
temp_outputs=self.activation_function(temp_inputs)
inputs=temp_outputs
f.write(str(list(inputs).index(max(list(inputs))))+' ')
if __name__ == '__main__':
learning_rate = 0.1
images_data,labels=load('D:/快乐の学习！/课程/21-22学年/毕业设计/数据', kind='train')
test_images_data,test_labels=load('D:/快乐の学习！/课程/21-22学年/毕业设计/数据', kind='t10k')
ls=[784,30,10]
n=neuralNetwork(2,ls,0.3)
for i in range(5):
# if i/6==0:
# n.learningrate=n.learningrate/2len(images_data)
for i in range(len(images_data)):
n.update(images_data[i],labels[i])
count=1
f=open("classificationforNN.txt",'w')
for i in range(len(images_data)):
# n.output(test_images_data[i],f)
if n.test(test_images_data[i] == test_labels[i]):
count += 1
print(count/10000)
运行结果及报错内容
TypeError Traceback (most recent call last)
<ipython-input-14-1d0290ab24e7> in <module>
95 for i in range(len(images_data)):
96 # n.output(test_images_data[i],f)
---> 97 if n.test(test_images_data[i] == test_labels[i]):
98 count += 1
99 print(count/10000)
TypeError: test() missing 1 required positional argument: 'test_labels'
我的解答思路和尝试过的方法
在各个地方加了括号，依然不能运行。
我想要达到的结果
想知道如何解决这类问题，真的是加括号就可以吗？也想把这个代码成功运行出来。
