使用scipy.optimize.fsolve求解时遇AttributeError及警告问题求助

核心错误分析 #

• AttributeError: 'numpy.ndarray' object has no attribute 'exp'：numpy数组没有.exp()方法，必须用numpy.exp()函数对数组元素逐元素计算指数，而非直接调用数组的exp属性。
• VisibleDeprecationWarning：多因数组维度不匹配、标量与数组不兼容运算等过时操作导致，需确保运算时各数组形状一致。

修正步骤 #

1. 修复exp调用方式：
   将代码中所有arr.exp()的写法替换为np.exp(arr)，使用numpy官方指数函数处理数组。

2. 规范固定x₂的求解逻辑：
   fsolve要求待求解参数为数组形式，即使仅求解单个x₁，初始猜测也需传入数组；同时确保构造的输入向量[x₁, x₂]形状正确，避免维度不匹配警告。

3. 约束解的范围：
   求解完成后检查结果是否在0-1区间内，若超出需调整初始猜测或验证模型逻辑。

修正后示例代码 #

import numpy as np
from scipy.optimize import fsolve

def objective(x1, fixed_x2, w_xx, b_xx, y_test):
    # 从fsolve传入的数组中提取x1标量，构造完整输入向量
    x = np.array([x1[0], fixed_x2])
    # 执行矩阵运算，用np.exp处理数组指数计算
    hidden_layer = np.dot(x, w_xx) + b_xx
    output = np.exp(hidden_layer)
    # 返回与目标值的差值，fsolve会寻找差值为0的x1
    return output - y_test

# 假设已定义w_xx、b_xx、y_test
fixed_x2_value = 0.3  # 你要固定的x₂值
initial_guess_x1 = [0.5]  # x₁的初始猜测，必须为数组

# 调用fsolve求解
x1_result = fsolve(objective, initial_guess_x1, args=(fixed_x2_value, w_xx, b_xx, y_test))

# 验证结果范围
if 0 <= x1_result[0] <= 1:
    print(f"求解得到x₁: {x1_result[0]:.4f}")
else:
    print("求解结果超出0-1范围，请调整初始猜测或检查模型参数")

额外注意事项 #

• 确保权重矩阵w_xx的形状与输入向量匹配：输入是2维（x₁,x₂），则w_xx应为(2, n)（n为隐藏层神经元数量），偏置b_xx应为(n,)形状，避免矩阵乘法维度错误。
• 若警告仍存在，检查是否有其他过时操作（比如用*代替np.dot做矩阵乘法），替换为numpy推荐的运算方式。

内容的提问来源于stack exchange，提问作者Ask_delta