Python实现反向传播算法时报错：非整数类型无法完成乘法运算TypeError

报错TypeError: can't multiply sequence by non-int of type 'list'是代码存在多处逻辑、类型不匹配问题导致的，具体问题如下：

• 乘法操作的操作数类型错误：Python中只有序列乘整数才会被识别为序列复制操作，乘非整数就会触发该报错。你代码中val = X[i]*w[j]行的两个操作数，一个是样本序列（元组/列表类型），另一个是非整数的数值/列表元素，类型不匹配无法计算。
• 循环逻辑错误：内层循环的变量j仅在函数开头初始化一次，第一次外层i循环跑完后j就等于权重列表长度，后续i递增时内层循环永远不会执行，不会生成新的计算值。
• 未定义变量错误：函数内计算sumVal = F(val1,val2,val3)时，val1/val2/val3三个变量完全没有定义，你之前的计算结果都存在valArray中没有被取出使用。
• 调用逻辑错误：neuralLearn函数中z[1] = logistic(function)行错误传入了函数对象本身，不是上一步的计算结果，导致后续所有变量类型全部异常；同时z[2] = function(data, 2)直接给权重参数传了整数2，也会触发类型错误。

1. 修正线性计算函数逻辑 #

首先明确该函数的作用是计算特征和权重的线性组合，修正后代码如下：

# 单样本线性计算
def linear_calc(X, w):
    if len(X) != len(w):
        raise ValueError("特征维度和权重维度不匹配")
    return sum(x_i * w_i for x_i, w_i in zip(X, w))

# 批量样本线性计算
def batch_linear_calc(data, w):
    res = []
    for X in data:
        res.append(sum(x_i * w_i for x_i, w_i in zip(X, w)))
    return res

2. 修正训练调用逻辑 #

z = [1, 0, 0]
i = 0 # 初始化循环变量
while(i <= 10000):
    # 第一层计算
    z[1] = batch_linear_calc(data, w1)
    z[1] = [logistic(x) for x in z[1]]
    z[1] = [hardThresh(x) for x in z[1]]
    # 第二层计算，传入对应权重w2，不要传整数2
    z[2] = batch_linear_calc(data, w2)
    z[2] = [logistic(x) for x in z[2]]
    z[2] = [hardThresh(x) for x in z[2]]
    
    # 后续补充反向传播更新w1、w2、v的逻辑即可
    i += 1

3. 可选优化 #

如果需要提升数值计算效率、避免维度不匹配问题，建议用numpy数组替换原生Python列表做张量计算。

内容的提问来源于stack exchange，提问作者tquigg96