Python 使用fmin_l_bfgs_b时由边界引起的错误

当使用fmin_l_bfgs_b进行优化时，我得到了错误“太多的值需要解包”。从stackoverflow中，我发现我定义边界的方式有问题。然而，我似乎找不到正确的方法

我试图在下面创建一个最小的工作示例来说明这个问题。输入为28x28x1灰度图像，范围为0到1。因此，在我看来，我需要一个784对的列表，每个都有值（0,1）。我已尝试使用以下代码实现该功能：

img = random.uniform(size=(28, 28))
constraintPairs = [(0, 1)]*(28*28)

def func(img):
    return img.mean()

imgOpt, cost = fmin_l_bfgs_b(func, img, approx_grad=1,bounds=constraintPairs)

我做错了什么？

---

谢谢

问题只是

fmin_l_bfgs_b

（）的返回值。它返回3个对象，您在代码中只定义了两个。这应该起作用：

img = random.uniform(size=(28, 28))
constraintPairs = [(0, 1)]*(28*28)

def func(img):
    return img.mean()

img = reshape(img, (1, 28*28))
imgOpt, cost, info = fmin_l_bfgs_b(func, img, approx_grad=1,bounds=constraintPairs)

imgOpt = reshape(imgOpt, (28,28))

---

768个维度是否太多，很难说。如果是这样，你可以考虑下采样输入图像。

谢谢快速响应！然而，我无法让它工作。。我可以试着看看是否可以创建一个MWE。会不会有什么不同于边界？对于梯度近似法来说，784可能是太多的参数了吗？784我们当然有很多参数，但是你得到的误差与此无关。有些地方尺寸不匹配好的，谢谢。我试图编辑我的帖子，所以它有一个非常简单的例子，仍然会产生错误。你能看出什么不对吗？哈哈，很简单。我是Python新手-即使不使用返回的变量，也应该捕获所有返回的变量吗？我很难理解输出中的一些奇怪句子：。我不知道这是否与我们在这里讨论的事情有关？