Python Numpy神经网络成本计算：首次运行后结果发生变化

在python3.7中，我的神经网络成本计算有问题。
当我第一次运行

compute_cost\u nn

时，我得到了正确的成本

0.28762916516131887

，但在所有后续运行中，成本都变为

0.3262751145707298

，这非常烦人。
问题似乎来自我的

params

；如果我每次在计算成本之前重新加载它们，效果会很好。但是，如果不再次运行整个脚本，我无法使用不同的参数重新运行函数并获得正确的成本

神经网络有400个输入单元，1个隐藏层（含25个单元）和10个输出单元

以下是输入：

data=loadmat（“ex4data1.mat”）
y=数据['y']
X=数据['X']
X=np.c_uu[np.one（（X.shape[0]，1）），X]
重量=装载垫（“ex4weights.mat”）
θ1=权重['θ1']
θ2=权重['θ2']
params=np.r_[Theta1.ravel（），Theta2.ravel（）]

矩阵形状：

>> X: (5000, 401)
>> y: (5000, 1)
>> Theta1: (25, 401)
>> Theta2: (10, 26)
>> params: (10285,)

成本函数：

def compute_cost_nn（参数，
输入\u层\u大小，
隐藏层大小，
数字标签，
十、 y，lambda_）：
m=len（y）
#从展开的参数中检索θ1和θ2
t1\u项=（输入\u层\u大小+1）*隐藏\u层\u大小
θ1=参数[0:t1_项]。重新形状(
隐藏层大小，
输入\u层\u大小+1
)
θ2=参数[t1_项：]。重塑(
数字标签，
隐藏层大小+1
)
#使用标签变换y向量列（5000x1）
#转换为5000x10矩阵，带0和1
y_mat=np.eye（num_标签）[（y-1.ravel（），：]
#正向传播
a1=X
z2=a1@Theta1.T
a2=乙状结肠（z2）
a2=np.c_U2;[np.ones（（m，1）），a2]
z3=a2@Theta2.T
a3=乙状结肠（z3）
#计算成本
func=y_mat.T@np.log（a3）+（1-y_mat.T@np.log（1-a3）
成本=函数跟踪（）
t1reg=（Theta1[：，1::].T@Theta1[：，1:]）.trace（）
t2reg=（θ2[：，1::].T@θ2[：，1:]）.trace（）
成本=-1/m*成本+λ/（2*m）*（t1reg+t2reg）
#梯度（不包括θ0）
d3=a3-y_材料
d2=（d3@Theta2[：，1:）*s形梯度（z2）#5000*25
Delta1=d2.T@a1
Delta2=d3.T@a2
θ1_梯度=1/m*Delta1
θ2_梯度=1/m*Delta2
#梯度正则化
θ1[：，1]=0
θ2[：，1]=0
θ1_梯度=θ1_梯度+λ/m*θ1
θ2_梯度=θ2_梯度+λ/m*θ2
返回成本，θ1梯度，θ2梯度

我通过以下方式获得成本：

compute_cost_nn（参数400,25,10,X,y,0）[0]

第一次运行：

0.28762916516131887

然后：

0.3262751145707298

---

非常感谢任何提示：）

我没有使用虚拟数据测试您的代码，但是快速浏览一下，您似乎是从

.mat

（MATLAB）文件导入权重。MATLAB以列主顺序（又称Fortran风格的顺序）存储数组元素，而Python以行主顺序（C风格的顺序）存储数组元素

因此，当您第一次

ravel（）

权重时，Numpy将采用C样式的顺序展平数组。 当您在函数中重塑散开的权重时，情况也是如此。 您可以将顺序作为参数添加到任一函数中，以便：

params=np.r_[Theta1.ravel（order='F'），Theta2.ravel（'F'）]

应该解决你的问题

如果您从未见过行和列的主要顺序，可以阅读一下：

---

哇，Python中有一个新操作符！我想晚会迟到了。