Numpy广播维度不匹配错误求助：神经网络代码运行失败

1. 基础语法与导入错误 #

• numpy导入别名写错，多处调用numpy的地方使用了错误别名：
  原代码：

  import numpy as no
  no.random.shuffle(data)
  

  修正为：

  import numpy as np
  np.random.shuffle(data)
  

• 未定义变量data_train，需使用已加载的data变量；同时原代码中X_train = data_train[1:n]的切片逻辑错误（n=2会导致切片后形状为(1,2)，与注释的(1,6)矛盾），若要取除第一行外的所有样本作为训练集，修正为：

  X_train = data[1:]  # 形状为(10,2)，匹配dense1的输入维度2
  

  若数据集包含特征与标签，需正确拆分：

  # 假设最后一列是标签，前n-1列是特征
  X = data[:, :-1]  # 形状(11,2)
  y = data[:, -1]
  X_train = X[:10]  # 取前10个样本作为训练集
  

2. 类定义语法错误 #

• 类名关键字拼写错误、方法定义缺少冒号、多余括号：
  原代码：

  Class Layer_Dense:
     def __init__(self,n_inputs, n_neurons)):
        self.weights = 0.1 * np.random.randn(n_inputs, n_neurons)
        self.biases = np.zeros((1, n_neurons))
     def forward(self, inputs)
        self.output = np.dot(inputs, self.weights) + self.biases
  

  修正为：

  class Layer_Dense:
     def __init__(self, n_inputs, n_neurons):
        self.weights = 0.1 * np.random.randn(n_inputs, n_neurons)
        self.biases = np.zeros((1, n_neurons))
     def forward(self, inputs):
        self.output = np.dot(inputs, self.weights) + self.biases
  

3. 权重与偏置更新的维度不匹配（核心错误） #

这是导致ValueError的直接原因：

• dense1的weights形状为(2,6)，原代码用(1,6)的随机数更新，无法广播相加，需改为对应形状：
  原代码：

  dense1.weights += 0.05 * np.random.randn(1,6)
  

  修正为：

  dense1.weights += 0.05 * np.random.randn(2,6)
  

• dense2的biases需对应输出神经元数量2，原代码错误生成(1,6)的形状，且用赋值=会覆盖原有偏置，应改为+=更新：
  原代码：

  dense2.biases = 0.05 * np.random.randn(1,6)
  

  修正为：

  dense2.biases += 0.05 * np.random.randn(1,2)
  

修正后的核心代码片段 #

import numpy as np
import pandas as pd

bg_data = pd.read_csv("/Users/user/.kaggle/Bg_small_Dato.csv")
data = np.array(bg_data)
m, n = data.shape  # shape is (11,2)
np.random.shuffle(data)

# 正确拆分特征与训练集
X = data[:, :-1]
X_train = X[1:]

class Layer_Dense:
   def __init__(self, n_inputs, n_neurons):
      self.weights = 0.1 * np.random.randn(n_inputs, n_neurons)
      self.biases = np.zeros((1, n_neurons))
   def forward(self, inputs):
      self.output = np.dot(inputs, self.weights) + self.biases

# 初始化网络层
dense1 = Layer_Dense(2,6)
dense2 = Layer_Dense(6,2)

# 训练循环
Lowest_loss = 9999999
for iteration in range(10000):
   # 按对应维度更新权重与偏置
   dense1.weights += 0.05 * np.random.randn(2,6)
   dense1.biases += 0.05 * np.random.randn(1,6)
   dense2.weights += 0.05 * np.random.randn(6,2)
   dense2.biases += 0.05 * np.random.randn(1,2)

   # 前向传播
   dense1.forward(X_train)
   # 后续激活函数、损失计算逻辑...

内容的提问来源于stack exchange，提问作者Ayodeji001