ValueError: установка элемента массива с последовательностью в Python

Question

ValueError: установка элемента массива с последовательностью в Python

Во-первых, вот мой код:

"""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 = np.array([0]*score_len)
    sum_n = np.sum(num)
    #print sum_n
    for index in range(1,score_len):
        y[index] = (num[index])/sum_n
    return y

print(softmax(scores))

Ошибка появляется в строке:

y[index] = (num[index])/sum_n

Я запускаю код с:

# 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()

Что именно здесь происходит не так?

1

python arrays numpy softmax

Источник

user4805357 29 фев '16 в 16:33

4 ответа

Решение

Это плохой способ инициализации массива:

y = np.array([0]*score_len)

лучше сделать что-то вроде

y = np.zeros((n,m))

где n а также m 2 измерения конечного продукта. Я предполагаю из вашего другого вопроса, что вы хотите y быть 2d (ведь вы делаете .T на это после).

Обратите внимание на форму scores что вы передаете в функцию. И при повторении включайте :, Это может быть необязательным, но вам нужно, чтобы размеры были в вашем уме:

y[index,:] = (num[index,:])/sum_n

В итоге - сфокусируйтесь на понимании того, как работать с многомерными массивами, как их создавать и как их индексировать, как работать с ними без итераций и как правильно итерировать при необходимости.

1

Источник

user901925 29 фев '16 в 20:33

Несоответствия в построении массива могут вызвать такие проблемы, например

[[1,2,3,4], [2,3], [1],[1,2,3,4]]

это плохой примерный массив.

0

Источник

user9882860 22 июн '18 в 10:08

Это должно работать отлично и быстро

scores = [3.0, 1.0, 0.2]

import numpy as np


def softmax(x):

    num = np.exp(x)
    score_len = len(x)

    y = np.zeros(score_len, object) # or => np.asarray([None]*score_len)
    sum_n = np.sum(num)

    for i in range(score_len):
        y[i] = num[i] / sum_n

    return y


print(softmax(scores))

x = np.arange(-2.0, 6.0, 0.1)
scores = np.vstack([x, np.ones_like(x), 0.2 * np.ones_like(x)])

printout = softmax(scores).T

print(printout)

Выход:

[0.8360188027814407 0.11314284146556011 0.050838355752999158]

[ array([  3.26123038e-05,   3.60421698e-05,   3.98327578e-05,
         4.40220056e-05,   4.86518403e-05,   5.37685990e-05,
         5.94234919e-05,   6.56731151e-05,   7.25800169e-05,
         8.02133239e-05,   8.86494329e-05,   9.79727751e-05,
         1.08276662e-04,   1.19664218e-04,   1.32249413e-04,
         1.46158206e-04,   1.61529798e-04,   1.78518035e-04,
         1.97292941e-04,   2.18042421e-04,   2.40974142e-04,
         2.66317614e-04,   2.94326482e-04,   3.25281069e-04,
         3.59491177e-04,   3.97299194e-04,   4.39083515e-04,
         4.85262332e-04,   5.36297817e-04,   5.92700751e-04,
         6.55035633e-04,   7.23926331e-04,   8.00062328e-04,
         8.84205618e-04,   9.77198335e-04,   1.07997118e-03,
         1.19355274e-03,   1.31907978e-03,   1.45780861e-03,
         1.61112768e-03,   1.78057146e-03,   1.96783579e-03,
         2.17479489e-03,   2.40352006e-03,   2.65630048e-03,
         2.93566604e-03,   3.24441273e-03,   3.58563059e-03,
         3.96273465e-03,   4.37949910e-03,   4.84009504e-03,
         5.34913227e-03,   5.91170543e-03,   6.53344491e-03,
         7.22057331e-03,   7.97996764e-03,   8.81922816e-03,
         9.74675448e-03,   1.07718296e-02,   1.19047128e-02,
         1.31567424e-02,   1.45404491e-02,   1.60696814e-02,
         1.77597446e-02,   1.96275532e-02,   2.16918010e-02,
         2.39731477e-02,   2.64944256e-02,   2.92808687e-02,
         3.23603645e-02,   3.57637337e-02,   3.95250385e-02,
         4.36819230e-02,   4.82759910e-02,   5.33532213e-02,
         5.89644285e-02,   6.51657716e-02,   7.20193157e-02,
         7.95936532e-02,   8.79645908e-02])
 array([ 0.00065504,  0.00065504,  0.00065504,  0.00065504,  0.00065504,
        0.00065504,  0.00065504,  0.00065504,  0.00065504,  0.00065504,
        0.00065504,  0.00065504,  0.00065504,  0.00065504,  0.00065504,
        0.00065504,  0.00065504,  0.00065504,  0.00065504,  0.00065504,
        0.00065504,  0.00065504,  0.00065504,  0.00065504,  0.00065504,
        0.00065504,  0.00065504,  0.00065504,  0.00065504,  0.00065504,
        0.00065504,  0.00065504,  0.00065504,  0.00065504,  0.00065504,
        0.00065504,  0.00065504,  0.00065504,  0.00065504,  0.00065504,
        0.00065504,  0.00065504,  0.00065504,  0.00065504,  0.00065504,
        0.00065504,  0.00065504,  0.00065504,  0.00065504,  0.00065504,
        0.00065504,  0.00065504,  0.00065504,  0.00065504,  0.00065504,
        0.00065504,  0.00065504,  0.00065504,  0.00065504,  0.00065504,
        0.00065504,  0.00065504,  0.00065504,  0.00065504,  0.00065504,
        0.00065504,  0.00065504,  0.00065504,  0.00065504,  0.00065504,
        0.00065504,  0.00065504,  0.00065504,  0.00065504,  0.00065504,
        0.00065504,  0.00065504,  0.00065504,  0.00065504,  0.00065504])
 array([ 0.00029433,  0.00029433,  0.00029433,  0.00029433,  0.00029433,
        0.00029433,  0.00029433,  0.00029433,  0.00029433,  0.00029433,
        0.00029433,  0.00029433,  0.00029433,  0.00029433,  0.00029433,
        0.00029433,  0.00029433,  0.00029433,  0.00029433,  0.00029433,
        0.00029433,  0.00029433,  0.00029433,  0.00029433,  0.00029433,
        0.00029433,  0.00029433,  0.00029433,  0.00029433,  0.00029433,
        0.00029433,  0.00029433,  0.00029433,  0.00029433,  0.00029433,
        0.00029433,  0.00029433,  0.00029433,  0.00029433,  0.00029433,
        0.00029433,  0.00029433,  0.00029433,  0.00029433,  0.00029433,
        0.00029433,  0.00029433,  0.00029433,  0.00029433,  0.00029433,
        0.00029433,  0.00029433,  0.00029433,  0.00029433,  0.00029433,
        0.00029433,  0.00029433,  0.00029433,  0.00029433,  0.00029433,
        0.00029433,  0.00029433,  0.00029433,  0.00029433,  0.00029433,
        0.00029433,  0.00029433,  0.00029433,  0.00029433,  0.00029433,
        0.00029433,  0.00029433,  0.00029433,  0.00029433,  0.00029433,
        0.00029433,  0.00029433,  0.00029433,  0.00029433,  0.00029433])]

0

Источник

user9125654 21 дек '17 в 05:51

Другие вопросы по тегам python arrays numpy softmax

user5393381 29 фев '16 в 16:43 2016-02-29 16:43 · Accepted Answer · 2016-02-29 16:43

Просто редактирование print Заявление как "отладчик" выявляет происходящее:

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 = np.array([0]*score_len)
    sum_n = np.sum(num)
    #print sum_n
    for index in range(1,score_len):
        print((num[index])/sum_n)
        y[index] = (num[index])/sum_n
    return y

x = np.arange(-2.0, 6.0, 0.1)
scores = np.vstack([x, np.ones_like(x), 0.2 * np.ones_like(x)])
softmax(scores).T

это печатает

[ 0.00065504  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504
  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504
  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504
  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504
  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504
  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504
  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504
  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504
  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504
  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504
  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504
  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504
  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504  0.00065504
  0.00065504  0.00065504]

поэтому вы пытаетесь присвоить этот массив одному элементу другого массива. Что не разрешено!

Есть несколько способов сделать это так, чтобы это работало. Просто меняется

y = np.array([0]*score_len)

чтобы многомерный массив работал:

y = np.zeros(score.shape)

Это должно сработать, но я не уверен, что это то, что вы хотели.

РЕДАКТИРОВАТЬ:

Кажется, вы не хотели многомерного ввода, поэтому вам просто нужно изменить:

scores = np.vstack([x, np.ones_like(x), 0.2 * np.ones_like(x)])

в

scores = np.hstack([x, np.ones_like(x), 0.2 * np.ones_like(x)])

проверьте форму этих массивов, напечатав scores.shape действительно поможет вам найти такие ошибки самостоятельно. Первый укладывается вдоль первой оси (vstack), а hstack - по нулевой (что вам нужно)