Trying to compute softmax values, getting AttributeError: 'list' object has no attribute 'T'

Question

首先，这是我的代码：

"""Softmax."""

scores = [3.0, 1.0, 0.2]

import numpy as np

def softmax(x):
    """Compute softmax values for each sets of scores in x."""
    num = np.exp(x)
    score_len = len(x)
    y = [0] * score_len
    for index in range(1,score_len):
        y[index] = (num[index])/(sum(num))
    return y

print(softmax(scores))

# Plot softmax curves
import matplotlib.pyplot as plt
x = np.arange(-2.0, 6.0, 0.1)
scores = np.vstack([x, np.ones_like(x), 0.2 * np.ones_like(x)])

plt.plot(x, softmax(scores).T, linewidth=2)
plt.show()

现在查看 this 问题，我可以看出 T 是我列表的转置。但是，我似乎遇到了错误：

AttributeError: 'list' object has no attribute 'T'

我不明白这是怎么回事。我对整个情况的理解是错误的吗？我正在努力完成 Google 深度学习课程，我认为我可以 Python 通过实施这些程序，但我可能是错的。我目前知道很多其他语言，如 C 和 Java，但新语法总是让我感到困惑。

Answer 1

如评论中所述，softmax(scores) 的输出必须是一个数组，因为列表没有 .T 属性。因此，如果我们用下面的代码替换问题中的相关位，我们就可以再次访问 .T 属性。

num = np.exp(x)
score_len = len(x)
y = np.array([0]*score_len)

必须注意，我们需要使用 np.array，因为非 numpy 库通常不能与普通 python 库一起使用。

Answer 2

查看代码中变量的类型和形状

x 是一维数组； scores 是 2d（3 行）：

In [535]: x.shape
Out[535]: (80,)
In [536]: scores.shape
Out[536]: (3, 80)

softmax 生成包含 3 个项目的列表；第一个是数字 0，其余的是形状像 x.

的数组

In [537]: s=softmax(scores)
In [538]: len(s)
Out[538]: 3
In [539]: s[0]
Out[539]: 0
In [540]: s[1].shape
Out[540]: (80,)
In [541]: s[2].shape
Out[541]: (80,)

您是否期望 softmax 生成与其输入具有相同形状的数组，在本例中为 (3,80).

num=np.exp(scores)
res = np.zeros(scores.shape)
for i in range(1,3):
    res[i,:]= num[i,:]/sum(num)

创建一个可以转置和绘制的二维数组。

但您不必逐行执行此操作。您真的希望 res 的第一行为 0 吗？

res = np.exp(scores)
res = res/sum(res)
res[0,:] = 0    # reset 1st row to 0?

为什么要对 scores 的每一行进行向量化运算，而不是对整行进行向量化运算？

Trying to compute softmax values, getting AttributeError: 'list' object has no attribute 'T'

Trying to compute softmax values, getting AttributeError: 'list' object has no attribute 'T'

python

attributes

numpy

list

softmax