Python 3.x 如何修复以下错误构建神经元网络？

您好，我正在更新以下功能：

def train(self, features, targets):

我的想法是让我的在线课程成为我的待办事项。我尝试了以下方法：

# TODO: Output error - Replace this value with your calculations.
            error = y - final_outputs # Output layer error is the difference between desired target and actual output.

            # TODO: Backpropagated error terms - Replace these values with your calculations.
            output_error_term = error * final_outputs * (1 - final_outputs)

            # TODO: Calculate the hidden layer's contribution to the error
            hidden_error = np.dot(output_error_term, self.weights_hidden_to_output)

            # TODO: Backpropagated error terms - Replace these values with your calculations.      
            hidden_error_term = hidden_error * hidden_outputs * (1 - hidden_outputs)

然而，我得到：

..FFE
======================================================================
ERROR: test_train (__main__.TestMethods)
----------------------------------------------------------------------
Traceback (most recent call last):
  File "<ipython-input-11-90579d706c92>", line 41, in test_train
    network.train(inputs, targets)
  File "<ipython-input-9-596e703ab9b6>", line 65, in train
    hidden_error = np.dot(output_error_term, self.weights_hidden_to_output)
ValueError: shapes (1,) and (2,1) not aligned: 1 (dim 0) != 2 (dim 0)

======================================================================
FAIL: test_data_path (__main__.TestMethods)
----------------------------------------------------------------------
Traceback (most recent call last):
  File "<ipython-input-11-90579d706c92>", line 20, in test_data_path
    self.assertTrue(data_path.lower() == 'bike-sharing-dataset/hour.csv')
AssertionError: False is not true

======================================================================
FAIL: test_run (__main__.TestMethods)
----------------------------------------------------------------------
Traceback (most recent call last):
  File "<ipython-input-11-90579d706c92>", line 56, in test_run
    self.assertTrue(np.allclose(network.run(inputs), 0.09998924))
AssertionError: False is not true

----------------------------------------------------------------------
Ran 5 tests in 0.005s

FAILED (failures=2, errors=1)

.FFE
======================================================================
错误：测试列（\uuuuu main\uuuuuuu.TestMethods）
----------------------------------------------------------------------
回溯（最近一次呼叫最后一次）：
文件“”，第41行，在测试列车中
网络培训（输入、目标）
文件“”，第65行，列车中
隐藏错误=np.dot（输出错误项，自权重隐藏到输出）
ValueError:形状（1，）和（2,1）未对齐：1（尺寸0）！=2（尺寸0）
======================================================================
失败：测试\u数据\u路径（\u主\u.TestMethods）
----------------------------------------------------------------------
回溯（最近一次呼叫最后一次）：
文件“”，第20行，在测试数据路径中
self.assertTrue（data_path.lower（）==“自行车共享数据集/hour.csv”）
断言者错误：False不是true
======================================================================
失败：测试运行（\u主\u.TestMethods）
----------------------------------------------------------------------
回溯（最近一次呼叫最后一次）：
文件“”，第56行，正在运行测试
self.assertTrue（np.allclose（网络运行（输入），0.09998924））
断言者错误：False不是true
----------------------------------------------------------------------
在0.005s内运行了5次测试
失败（失败=2，错误=1）

这是完整的代码，我下载了我的ipython笔记本以显示我的完整代码：

我真的很感谢大家对解决这个问题的支持，非常感谢大家的支持

以下是数据：

非常感谢您的支持。

hidden_error = np.dot(output_error_term, self.weights_hidden_to_output)

记住点积要求第一个操作数的列数与第二个操作数的行数匹配。你有 （1,1）X（2,1） 因此，第二个操作数的行数应为1，这意味着您需要：

（1,1）X（1,2）

这意味着您需要转置第二个操作数，请尝试：

hidden_error = np.dot(output_error_term, self.weights_hidden_to_output.T)

但我认为在修复这个错误后，您会发现类似的错误，因为形状不一致。操纵操作数，使第一个操作数上的列与第二个操作数上的行相匹配