Question

我有一个像这样的类对象和实例方法。

class Neural:
    def __init__(self, params, X, y, lambda1):
        ---
    def costFunction(self):
        ---
        return J
    def backPropogate(self):
        ---
        return grad_back

我正在尝试使用scipy.optimize.minimize

调用这些函数

result = opt.minimize(Neural(params_init, X, y, 1).costFunction(), x0=params_init, method='CG',
                     jac=Neural(params_init, X, y, 1).backPropogate())

我一直在

具有多个元素的数组的真值是不明确的

我试过不用（）调用函数，但我得到（这在我看来最正确）：

init （）缺少1个必需的位置参数：＆＃39; lambda1＆＃39;

我尝试过使用这样的args：

result = opt.minimize(Neural.costFunction, x0=params_init, args=(X, y, 1), method='CG',
                     jac=Neural.backPropogate)

但args参数是为类的函数而不是对象本身识别的。如果我像这个Neural.costFunction（）那样调用函数，我得到

缺少位置要求＆＃34;自我＆＃34;

Answer 1

您提供给minimize的功能应该采用x，形状类似x0的变量，以及您通过args传递的值。 minimize会在搜索时逐步执行各种x，但每次都会传递相同的*args。

如果您将课程更改为：

class Neural:
    def __init__(self, X, y, lambda1):
        ---
    def costFunction(self, params):
        ---
        return J

您应该能够将其用作：

myobj = Neural(X, y, 1)
opt.minimize(myobj.costFunction, x0=params_init, method='CG',jac=myobj.backPropogate)

backPropogate需要进行类似的调整。

我会通过像

之类的电话来测试它

Neural(X, y, 1).costFunction(params_init)

使用args, costFunction needs to accept X，y，lambda1`，例如：

....
def costFunction(self, params, X, y, lambda1):

并使用Neural().costFunction创建。

使用scipy优化

1 个答案: