Python中的增强赋值意外行为答案

【问题标题】：Augmented assignment unexpected behavior in PythonPython中的增强赋值意外行为
【发布时间】：2021-04-19 11:21:17
【问题描述】：

在以下示例中，有人可以向我解释在 Python 的 for 循环中执行增强赋值时的意外行为吗：

以下代码正在执行n_epochs 迭代，试图获得参数theta 的最优值。奇怪的是，即使它正确地完成了工作并成功收敛，列表 theta_list 也充满了循环最后一次迭代中 theta 的 n_epochs + 1 值。

eta = 0.1
n_epochs = 5
theta = np.random.rand(2, 1)

loss_list = []
theta_list = []
theta_list.append(theta)
for epoch in range(n_epochs):
    theta -= eta * loss_grad(theta, x, y)
    theta_list.append(theta)
    loss_list.append(loss(theta, np.c_[np.ones_like(x), x], y))
print(theta_list)

In [1]: %run proto.py
[array([[3.6315498 ],
       [3.40173314]]), array([[3.6315498 ],
       [3.40173314]]), array([[3.6315498 ],
       [3.40173314]]), array([[3.6315498 ],
       [3.40173314]]), array([[3.6315498 ],
       [3.40173314]]), array([[3.6315498 ],
       [3.40173314]])]

在上一个示例中更改单行后，从

theta -= eta * loss_grad(theta, x, y)

到

theta = theta - eta * loss_grad(theta, x, y)

输出看起来如预期：

In [5]: %run proto.py
[array([[0.00686239],
       [0.06257885]]), array([[1.50998752],
       [1.80281404]]), array([[2.35777388],
       [2.7475853 ]]), array([[2.84342938],
       [3.25403032]]), array([[3.12872463],
       [3.51915101]]), array([[3.30292104],
       [3.65160945]])]

我没有在 stackoverflow 或其他任何在线网站上注意到有人遇到过类似的问题。我正在使用通过 Anaconda3 安装的 Windows 10 和 Python 3.8.5。

【问题讨论】：

这能回答你的问题吗？ Why does += behave unexpectedly on lists?

标签： python list for-loop augmented-assignment

【解决方案1】：

出于效率原因，Numpy 数组支持（广播）就地增强分配。

您的第一个示例修改了名称 theta 所指向的变量。

第二个计算theta - eta * loss_grad(theta, x, y),。然后将其分配给名称theta。

【讨论】：