Python调用random.uniform()传low/size参数报TypeError解决方法

报错的核心原因是混淆了Python标准库random模块和NumPy库的随机数生成接口：

• 你当前调用的random.uniform是Python标准库自带方法，函数签名为random.uniform(a, b)，仅接收两个位置参数，返回[a,b]区间内的单个浮点数，既不支持low/high关键字传参，也没有size参数用来批量生成指定维度的随机数组，和你写的调用语法完全不匹配，所以会连续抛出参数不匹配的TypeError。
• 你代码里用到的low、high、size传参规则，是NumPy库中numpy.random.uniform的接口定义，属于典型的导入来源错误。另外你代码中用到的dot（矩阵点乘）、exp（指数运算）也都是NumPy提供的数组运算函数，进一步说明你本来要调用的就是NumPy的随机接口。

优先选择第一种方案，改动最小也适配你后续的神经网络计算逻辑：

• 方案1：替换导入源为NumPy的随机模块，在代码开头补充正确的导入语句即可，原有初始化逻辑完全不需要改动：

# 替换原有random导入，同时导入后续计算需要的dot、exp
from numpy import random, dot, exp

# 原有业务代码无需修改即可正常运行
def apply_net(y_in):
  global w, b
  z=dot(w, y_in)+b
  return(1/(1+exp(-z)))

N0=2
N1=1 
w=random.uniform(low=-10,high=+10,size=(N1,N0))
b=random.uniform(low=-1,high=+1,size=N1)

• 方案2：如果坚持使用Python标准库random，需要手动构造指定维度的随机数列表，但这种写法下后续的矩阵点乘、sigmoid计算都需要自行适配列表运算，开发成本很高，不推荐：

import random
# 手动构造维度匹配的权重、偏置
w = [[random.uniform(-10, 10) for _ in range(N0)] for _ in range(N1)]
b = [random.uniform(-1, 1) for _ in range(N1)]

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