完全相同的Python神经网络代码运行结果差异巨大排查

两份代码的核心逻辑并不一致，你的手写代码存在一处Python缩进错误，和VS Code编辑器无关，这是准确率异常的根本原因。

你的代码中feedforward前向传播方法的实现存在缩进问题：

def feedforward(self, a):
    for b, w in zip(self.biases, self.weights):
        a = sigmoid(np.dot(w, a)+b)
        return a

return a被错误缩进放在了for循环内部，代码执行时只会完成第一层（输入层到隐藏层）的计算，拿到30维的隐藏层输出就直接返回，根本不会执行后续隐藏层到输出层的计算，相当于你实际运行的是一个截断的残缺网络。此时对30维的隐藏层输出取argmax得到的索引范围是0_{29，而测试集标签范围是0}9，自然匹配率极低，刚好落在你观察到的单epoch50~450正确数的区间。

官方源码的对应实现缩进是正确的：

def feedforward(self, a):
    for b, w in zip(self.biases, self.weights):
        a = sigmoid(np.dot(w, a)+b)
    return a

return a和for循环保持同级，会等所有网络层的前向计算全部完成后，才返回10维的输出层结果，网络结构完整，因此能达到8000~9500的正常识别准确率。

将你手写代码中feedforward方法里的return a语句向外缩进一层，和for循环对齐，修改后重新运行即可得到和官方源码一致的效果。

你使用的文本对比工具没有检出这个问题，是因为没有严格校验缩进级别。Python是强制缩进的语言，同一行代码缩进位置不同，执行逻辑会有本质区别，缩进错误是Python开发中非常常见的低级问题，排查代码逻辑问题时需要优先检查缩进是否符合预期。

内容的提问来源于stack exchange，提问作者thrazaurus