错误：TypeError:\uuuu init\uuuuu（）接受1到3个位置参数，但给出了5个

Question

我正在编写一个程序来构造一个GAN，其中generator类接受一个tf模块，需要进行所有初始化，但是当初始化并最终调用这个类时，我面临一个传递额外参数的错误（我在下面发布的完整错误）

    class Generator(tf.Module):
        def __init__(self, noise_size, condition_size, generator_latent_size, cell_type, mean=0, std=1):
            super().__init__()
    
            self.noise_size = noise_size
            self.condition_size = condition_size
            self.generator_latent_size = generator_latent_size
            self.mean = mean
            self.std = std
    
            if cell_type == "lstm":
                self.cond_to_latent = tf.keras.layers.LSTM(generator_latent_size)
            else:
                self.cond_to_latent = tf.keras.layers.GRU(generator_latent_size)
    
            self.model = tf.keras.Sequential(
                tf.keras.layers.InputLayer(input_shape=((generator_latent_size + self.noise_size),)),
                tf.keras.layers.Dense(generator_latent_size + self.noise_size),
                tf.keras.layers.ReLU(),
                tf.keras.layers.Dense(1)
    
            )
    
        def forward(self, noise, condition):
            condition = (condition - self.mean) / self.std
            condition = condition.view(-1, self.condition_size, 1)
            condition = condition.transpose(0, 1)
            condition_latent, _ = self.cond_to_latent(condition)
            condition_latent = condition_latent[-1]
            g_input = tf.concat((condition_latent, noise), dim=1)
            output = self.model(g_input)
            output = output * self.std + self.mean
    
            return output
    
        def get_noise_size(self):
            return self.noise_size

当调用is生成器对象时，我在内部方法包装器中得到一个错误

" Traceback (most recent call last):
  File "forgan.py", line 185, in <module>
    forgan = ForGAN(opt)
  File "forgan.py", line 35, in __init__
    std=opt.data_std)
  File "C:\Users\mura_ab\PycharmProjects\ForGAN\components.py", line 23, in __init__
    tf.keras.layers.Dense(1)
  File "C:\Users\mura_ab\Anaconda3\envs\Plygrnd\lib\site-packages\tensorflow_core\python\training\tracking\base.py", line 457, in _method_wrapper
    result = method(self, *args, **kwargs)
TypeError: __init__() takes from 1 to 3 positional arguments but 5 were given"

这是正在初始化的生成器对象：

    class ForGAN:
        def __init__(self, opt):
            self.opt = opt
            self.device = tf.device("cuda:0") if tf.test.is_gpu_available() else tf.device("cpu")
            print("*****  Hyper-parameters  *****")
            for k, v in vars(opt).items():
                print("{}:\t{}".format(k, v))
            print("************************")
    
            # Making required directories for logging, plots and models' checkpoints
            os.makedirs("./{}/".format(self.opt.dataset), exist_ok=True)
    
            # Defining GAN components
            self.generator = Generator(noise_size=opt.noise_size,
                                       condition_size=opt.condition_size,
                                       generator_latent_size=opt.generator_latent_size,
                                       cell_type=opt.cell_type,
                                       mean=opt.data_mean,
                                       std=opt.data_std)

终于有人打电话来了

forgan = ForGAN(opt)

有人能告诉我是否有解决这个问题的方法吗

Answer 1

一般来说，您应该密切注意错误消息的内容。我不会马上回答解决你的错误，我会告诉你我是如何发现的，希望你能在下一个错误中自己解决

逐一读取错误的所有信息：

1. 我们知道在创建forgan时会出现错误

File "forgan.py", line 185, in <module>
    forgan = ForGAN(opt)

1. 更具体地说，我们知道它与生成器的初始化有关

line 35, in __init__
    std=opt.data_std)

1. 它似乎与第23行中的初始化有关，这可能来自密集层（或密集层以下的某个层）的创建，或者与序列模型的初始化有关（毕竟，第23行是第19行中发生的序列模型初始化的一部分）：

  File "C:\Users\mura_ab\PycharmProjects\ForGAN\components.py", line 23, in __init__
    tf.keras.layers.Dense(1)

1. 错误将从您的代码中消失

错误中的文本清楚地表明，您使用了5个参数来初始化对象。看到步骤3，很明显您没有使用5个参数初始化密集层。但是，您似乎正在用4个参数初始化序列模型。。。如果您添加Python对象初始化中始终存在的隐藏self参数，那么它总共会添加5个参数！在初始化顺序模型时，可能您做错了什么

为了证实这一点，您应该看看官方API或其他一些官方指南。通过谷歌搜索，你可以很容易地找到this API和this guide。在API中，您可以看到初始化不需要额外的参数和2个额外的参数（1到3个，包括self）。这正是你的错误所说的！在指南中，您可以看到如何正确使用它的示例。看起来应该在容器（列表或元组）中传递层

因此，这应该可以解决这个问题（注意额外的方括号将所有5个参数转换为一个列表）：

        self.model = tf.keras.Sequential([
            tf.keras.layers.InputLayer(input_shape=((generator_latent_size + self.noise_size),)),
            tf.keras.layers.Dense(generator_latent_size + self.noise_size),
            tf.keras.layers.ReLU(),
            tf.keras.layers.Dense(1)

        ])