Python实例化SET_MLP报缺少dimensions、activations必填位置参数错误

• 类实例化参数缺失：SET_MLP的构造方法__init__定义中，dimensions、activations是无默认值的必填位置参数，执行a = SET_MLP()时未传入这两个参数，直接触发TypeError。
• 方法调用逻辑错误：_update_w_b()是类内部用于反向传播阶段更新权重、偏置的方法，需要传入index（层序号）、dw（权重梯度）、delta（层误差项）三个入参，本身不具备返回权重值的功能，不是用来读取权重的接口。

1. 按类定义要求传入必填参数完成实例化，参考你注释中的网络结构示例，代码如下：

import numpy as np
# 需提前定义/导入依赖的Relu、Sigmoid激活函数，以及createSparseWeights稀疏权重生成方法

# 对应你注释中3312维输入、3层3000神经元隐层、5维输出的网络结构
dimensions = (3312, 3000, 3000, 3000, 5)
activations = (Relu, Relu, Relu, Sigmoid)
model = SET_MLP(dimensions=dimensions, activations=activations)

2. 直接读取实例属性即可获取存储的权重、偏置值，无需调用更新方法：

# 获取所有层的权重字典（key为层序号，value为对应层的稀疏权重矩阵）
all_weights = model.w
# 获取指定层权重，例如第1层（输入层到第一隐层的权重）
w_layer1 = model.w[1]
# 获取所有层的偏置字典
all_biases = model.b

注意：_update_w_b()仅在训练反向传播过程中使用，调用时必须传齐三个入参，方法无返回值，执行后会直接修改实例内部存储的权重、偏置值。

内容的提问来源于stack exchange，提问作者Heno