Coursera实验中L层神经网络Python代码报ValueError问题求助

问题场景 #

调用L_layer_model函数时执行了以下代码：

parameters, costs = L_layer_model(train_x, train_y, layers_dims, num_iterations = 1, print_cost = False)
print("Cost after first iteration: " + str(costs[0]))
L_layer_model_test(L_layer_model)

触发报错：

ValueError: too many values to unpack (expected 2)

原因是L_layer_model函数仅返回parameters一个值，但调用时试图解包成两个变量（parameters和costs）。

解决方案 #

方案1：调整函数调用逻辑

如果不需要单独获取costs列表，仅需查看训练过程中的cost，可修改调用代码，只接收parameters并开启print_cost=True让函数自动打印cost：

parameters = L_layer_model(train_x, train_y, layers_dims, num_iterations = 1, print_cost = True)

开启print_cost=True后，函数会在每100次迭代时输出对应cost，满足查看需求。

方案2：修改函数返回值（需获取costs时用）

如果需要将costs用于后续分析或可视化，可修改L_layer_model函数，让它同时返回parameters和costs：

1. 更新函数的文档字符串，修正返回值说明：

"""
Implements a L-layer neural network: [LINEAR->RELU]*(L-1)->LINEAR->SIGMOID.

...（其他参数说明不变）

Returns:
parameters -- parameters learnt by the model. They can then be used to predict.
costs -- list of costs recorded during training (only populated if print_cost=True)
"""

2. 修改函数最后一行的return语句：

return parameters, costs

修改后，原调用代码即可正常解包。注意：若print_cost=False，costs会是空列表，此时访问costs[0]会触发索引错误，需确保开启print_cost=True或在访问前判断列表是否非空。

内容的提问来源于stack exchange，提问作者Hari narayanan