试图计算 softmax 值，得到 AttributeError: 'list' object has no attribute 'T'答案

【问题标题】：Trying to compute softmax values, getting AttributeError: 'list' object has no attribute 'T'试图计算 softmax 值，得到 AttributeError: 'list' object has no attribute 'T'
【发布时间】：2016-06-12 18:03:39
【问题描述】：

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()

现在看this 问题，我可以看出 T 是我列表的转置。但是，我似乎得到了错误：

AttributeError: 'list' 对象没有属性 'T'

我不明白这里发生了什么。我对整个情况的理解是错误的吗？我正在尝试通过谷歌深度学习课程，我认为我可以通过实现程序来使用 Python，但我可能错了。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。

【问题讨论】：

你有一个普通的 Python list 对象，而不是 numpy.ndarray 或 numpy.matrix。后者可能支持 .T 属性，但 Python 列表不支持。
@MartijnPieters stackoverflow.com/questions/1514553/… 列表不与 Python 中的数组相同吗？
不，他们不是。这个问题在这方面非常令人困惑。
无论如何，如果有疑问，look at the documentation，您会看到没有记录在案的 .T 属性。
我对numpy的工作其实并不多，我不知道它是否准确。我所做的只是快速浏览一下文档以确认 Numpy 的对象具有 .T 属性。

标签： python list numpy attributes softmax

【解决方案1】：

如 cmets 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 库通常不能与普通的python 库一起使用。

【讨论】：

【解决方案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 生成一个包含 3 个项目的列表；第一个是数字 0，其余是形状像 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,)

您是否希望softmax 生成与其输入形状相同的数组，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?

你为什么要对scores 的每一行进行矢量化操作，而不是对整个事物进行矢量化操作？

【讨论】：