实现ANN的python代码中的变量可见性/范围

Question

我正在使用[1]的示例代码自行实现一个人工神经网络（ANN）。虽然原则上我很清楚ANN代码是如何工作的（我以前用其他语言做过），但python语法/逻辑有更多问题： 在第181行中，网络经过10000次迭代的训练，但是由于函数“backpropagate”（第39行）不返回网络，并且变量“network”似乎也不是全局变量，因此如何保存进度？同样在函数“backpropagate”中，变量“network”没有更新，但我想这是因为运行变量，如“output_neuron”（第48行）是通过引用的？但这仍然不能解释“网络”如何在“反向传播”之外保存其进步

[1]https://github.com/joelgrus/data-science-from-scratch/blob/master/code-python3/neural_networks.py

Answer 1

您可能应该从更多的basic code开始

这说明了会发生什么

>>> def modify(lst):
...     lst.append('element')
... 
>>> network = []
>>> network
[]
>>> modify(network)
>>> network
['element']
>>> modify(network)
>>> network
['element', 'element']

network是一个可变对象，在backpropagate()内进行了适当修改。没有必要return。您可以将其视为通过引用传递（从技术上讲，Python中没有这样的通过值—请参见this blog post）