Question

代码在这里

return self.activator(reduce(lambda a, b: a+b, map(lambda x, w: x*w, zip(input_vec, self.weights)), 0.0) + self.bias)

python2.7版本的代码与lambda (x, w)

类似

但现在删除了Tuple参数解包所以我不知道该怎么做:(

Answer 1

制作一个显示问题的小型运行示例是一件好事。在你的情况下，这不是事实，因为我们缺少一些变量。就像我在另一条评论中所说，你映射的列表是由元组组成的。就像你已经知道的那样，你不能再解压缩元组了，但是你可以像使用数组那样使用索引。一个简单的工作示例：

val = reduce(lambda a, b: a+b, map(lambda t: t[0]*t[1], zip([10, 20, 30], [0.1, 0.3, 0.7])), 0.0)
print(val)

如您所见，传递给map函数的lambda函数现在只有一个参数。我打电话来说清楚这是一个元组，你可以把它叫做x如果你想要的话。在函数体中，我使用索引来获取元组的第一个和第二个元素。如果您运行此代码，您会看到它的工作原理。所以下一步是擅长你的代码：

return self.activator(reduce(lambda a, b: a+b, map(lambda t: t[0]*t[1], zip(input_vec, self.weights)), 0.0) + self.bias)

这应该可以解决问题。

Answer 2

你不能再打开包装了。不，你可以直接使用元组，并在公式中使用索引：

map(lambda t: t[0]*t[1], zip(input_vec, self.weights))

对map使用lambda没兴趣，生成器理解等效于：

(x*w for x,w in zip(input_vec, self.weights))

（和解包工作）

需要使用外部lambda甚至reduce重复相同的构造，sum可以完全消除它，它执行元素的总和：

return self.activator(sum(x*w for x,w in zip(input_vec, self.weights)) + self.bias)

不再是lambdas，更短更清晰