【深度学习】今日bug（8月2)

🚩 前言

🚀 博主主页：阿阿阿阿锋的主页_CSDN

代码来源：《动手学深度学习》

今天遇到了一个报错提示：

TypeError: 'method' object is not iterable

。
意思是：类型错误：“方法”对象不可迭代。
然后对mxnet自动求梯度的了解更清楚了一点。

文章目录

一. TypeError: ‘method’ object is not iterable

1. 错误提示 && 部分代码

错误提示：

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)<ipython-input-40-9ae7d7a05a23>in<module>4# 从数值标签到文本标签5 true_labels = d2l.get_fashion_mnist_labels(y.asnumpy())---->6 pred_labels = d2l.get_fashion_mnist_labels(net(X).argmax(axis=1).asnumpy)7 titles =[true +'\n'+ pred for true, pred inzip(true_labels, pred_labels)]8 

D:\anaconda\lib\site-packages\d2lzh\utils.py in get_fashion_mnist_labels(labels)183     text_labels =['t-shirt','trouser','pullover','dress','coat',184'sandal','shirt','sneaker','bag','ankle boot']-->185return[text_labels[int(i)]for i in labels]186187 

TypeError:'method'objectisnot iterable

通常错误提示还是非常有用的，可以有效地帮助我们地定位bug的位置。

部分代码段：

for X, y in test_iter:break

# 从数值标签到文本标签
true_labels = d2l.get_fashion_mnist_labels(y.asnumpy())
pred_labels = d2l.get_fashion_mnist_labels(net(X).argmax(axis=1).asnumpy)
titles =[true+'\n'+ pred fortrue, pred in zip(true_labels, pred_labels)]

d2l.show_fashion_mnist(X[0:9], titles[0:9])

2. 消灭bug

我看着这个报错，当时就懵了，没看懂它啥意思。后来仔细检查代码发现，原来是调用一个函数

asnumpy

时，函数名后面的

()

掉了。于是原本我想调用的函数，被认作了一个对象，作为参数传递给了另一个函数，然后进一步引发了类型错误（

TypeError

)。

加上缺失的

()

后，一切正常。程序跑起来了：

二. 自动求梯度，求函数值了吗？

代码：

num_epochs =3
lr =0.1# 用于训练模型deftrain_ch3(net, train_iter, test_iter, loss, num_epochs, batch_size, params=None, lr=None, trainer=None):for epoch inrange(num_epochs):
        train_l_sum, train_acc_sum, n =0.0,0.0,0for X, y in train_iter:with autograd.record():
                y_hat = net(X)
                l = loss(y_hat, y).sum()
            l.backward()
            d2l.sgd(params, lr, batch_size)
            y = y.astype('float32')
            train_l_sum += l.asscalar()
            train_acc_sum +=(y_hat.argmax(axis=1)== y).sum().asscalar()
            n += y.size
        test_acc = evaluate_accuracy(test_iter, net)print('epoch %d, loss %.4f, train acc %.3f, test acc %.3f'%(epoch +1, train_l_sum / n, train_acc_sum / n, test_acc))

我对于这段代码一直有些困惑，主要在

train_l_sum += l.asscalar()

这一语句。这里使用了变量

l

的值，用于计算模型在训练集上的损失。但是

l

的值是哪里来的？

我们看下面这段代码：

%matplotlib inline
import d2lzh as d2l
from mxnet import gluon, autograd, nd

X = nd.array([2,3,4])
X.attach_grad()with autograd.record():
    y = X **2# y.backward()

y, X.grad

输出：

原来在使用mxnet的自动求梯度的过程中，在

y = X ** 2

这一步，也就已经求出了y的值。它不仅仅是表示要求导的一个函数表达式，同时也是一个赋值语句。

🚩 小结

在一些小错误费上很多时间，真的划不来。
下次不要再这么马虎了啊。

经常有一些问题，想明白了之后，只感觉之前自己好傻。