C++访问NeuralNewtork类Matrix2D成员报invalid use of member错误如何解决

• 核心报错原因1：NeuralNewtork类的成员声明错误。你在类中写的Matrix2D first_hidden_weights();属于C++的成员函数声明语法，意思是声明一个返回值为Matrix2D、无参数的成员函数first_hidden_weights，并不是声明Matrix2D类型的成员变量。编译器识别到你把函数当做对象访问成员，就会抛出对应报错。
• 核心报错原因2：构造函数内的同名局部变量屏蔽了类成员。你在构造函数里写的Matrix2D first_hidden_weights(hidden_nodes, input_nodes);是创建了一个构造函数作用域内的局部变量，和类的成员没有任何关联，构造函数执行结束后这个局部变量就会被销毁，根本不会保留到类实例中。
• 其他潜在问题：hidden_weights、output_weights等其余成员也存在同样的声明错误；你使用的变长数组是C++标准不支持的非标准语法；matrixMultiplication函数里循环变量写错（把k++写成i++会触发无限循环）；Matrix2D没有析构函数会导致内存泄漏。

1. 首先修正NeuralNewtork类的成员声明，把错误的函数声明改为变量声明：

class NeuralNewtork{
    public:
        int numberof_input_nodes;
        int numberof_hidden_layers;
        int numberof_hidden_nodes;
        int numberof_output_nodes;
        // 修正为成员变量声明，动态数组用二级指针
        Matrix2D first_hidden_weights;
        Matrix2D** hidden_weigths;
        Matrix2D output_weights;
        Matrix2D** hidden_biases;
        Matrix2D output_biases;

2. 构造函数新增初始化列表初始化Matrix2D成员（因为Matrix2D没有无参构造函数，必须在初始化列表传递构造参数），同时删除构造函数内的同名局部变量定义：

// 构造函数新增初始化列表
NeuralNewtork(int input_nodes, int hidden_layers, int hidden_nodes, int output_nodes)
: first_hidden_weights(hidden_nodes, input_nodes),
  output_weights(output_nodes, hidden_nodes),
  output_biases(output_nodes, 1)
{
    numberof_input_nodes = input_nodes;
    numberof_hidden_layers = hidden_layers;
    numberof_hidden_nodes = hidden_nodes;
    numberof_output_nodes = output_nodes;

    // 直接操作类成员，不要再定义同名局部变量
    first_hidden_weights.randomizeMatrix();

    // 用new动态分配数组替代非标准的变长数组
    hidden_weigths = new Matrix2D*[numberof_hidden_layers-1];
    for (int i=0; i<numberof_hidden_layers-1; i++){
        hidden_weigths[i] = new Matrix2D(numberof_hidden_nodes, numberof_hidden_nodes);
        hidden_weigths[i]->randomizeMatrix();
    }

    output_weights.randomizeMatrix();

    hidden_biases = new Matrix2D*[numberof_hidden_layers];
    for (int i=0; i<numberof_hidden_layers; i++){
        hidden_biases[i] = new Matrix2D(numberof_hidden_nodes, 1);
        hidden_biases[i]->randomizeMatrix();
    }

    output_biases.randomizeMatrix();
}

3. 修正matrixMultiplication里的循环变量错误：

static Matrix2D matrixMultiplication(Matrix2D x, Matrix2D y){
    Matrix2D result(x.rows, y.columns);
    for (int i = 0; i < result.rows; i++) {
        for (int j = 0; j < result.columns; j++) {
            float sum = 0;
            // 把原来错误的i++改为k++
            for (int k = 0; k < x.columns; k++) {
                sum += x.matrix[i][k] * y.matrix[k][j];
            }
            result.matrix[i][j] = sum;
        }
    }
    return result;
}

4. 补充析构函数避免内存泄漏：

// Matrix2D类新增析构函数
~Matrix2D(){
    for (int i = 0; i < rows; i++) {
        delete[] matrix[i];
    }
    delete[] matrix;
}

// NeuralNewtork类新增析构函数
~NeuralNewtork(){
    for (int i=0; i<numberof_hidden_layers-1; i++){
        delete hidden_weigths[i];
    }
    delete[] hidden_weigths;
    for (int i=0; i<numberof_hidden_layers; i++){
        delete hidden_biases[i];
    }
    delete[] hidden_biases;
}

修改完成后，你原来的nn.first_hidden_weights.printMatrix();代码就可以正常执行打印权重矩阵。

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