类中调用conv_layer报TypeError：意外关键字参数shape问题排查

你遇到的这个错误核心原因是Python类的实例方法缺少了必要的self参数，导致调用时参数传递逻辑完全混乱了。

具体细节拆解： #

当你把这些函数放到cnnUtils类中并通过实例调用时，Python会自动把实例对象（也就是你的utils）作为第一个参数传递给类中的方法。但你的conv_layer方法定义是：

def conv_layer(input,shape):

这里没有预留第一个参数给实例对象，所以当你执行utils.conv_layer(x, shape=[5,5,3,32])时：

• Python自动把utils实例传给了input参数
• 你传入的x被传给了shape参数
• 最后你又加了一个关键字参数shape=[...]，这就导致方法收到了两个对应shape的参数（一个是位置传递的x，一个是关键字传递的列表），所以抛出了TypeError: conv_layer() got an unexpected keyword argument 'shape'的错误。

而当你把这些方法作为普通函数调用时，不存在Python自动传递实例的逻辑，参数完全按照你写的顺序/关键字匹配，所以不会出错。

解决方案： #

给类中所有的实例方法加上self作为第一个参数，并且调用类内其他方法时也要加上self.前缀（比如self.get_bias、self.conv2d），否则会报错找不到这些函数。修正后的代码如下：

import tensorflow as tf

class cnnUtils:
    def get_weight(self, shape):
        init = tf.truncated_normal(shape, stddev=0.1)
        return tf.Variable(init)
    
    def get_bias(self, shape):
        init = tf.constant(0.1, shape=shape)
        return tf.Variable(init)
    
    def conv2d(self, x, w):
        return tf.nn.conv2d(x, w, strides=[1,1,1,1], padding="SAME")
    
    def maxpool_2d(self, x):
        return tf.nn.max_pool(x, ksize=[1,2,2,1], strides=[1,2,2,1], padding="SAME")
    
    def conv_layer(self, input, shape):
        b = self.get_bias([shape[3]])
        w = self.get_weight(shape)
        return tf.nn.relu(self.conv2d(input, w) + b)
    
    def full_layer(self, input, size):
        in_size = int(input.get_shape()[1])
        w = self.get_weight([in_size, size])
        b = self.get_bias([size])
        return tf.matmul(input, w) + b

之后你再实例化调用：

utils = cnnUtils()
conv1 = utils.conv_layer(x, shape=[5,5,3,32])

就可以正常运行了。

另外补充一点：如果你不想用实例方法，也可以把这些方法定义为静态方法（加上@staticmethod装饰器），这样就不需要self参数，但调用类内其他方法时也要对应改成静态方法，不过对于工具类来说，用实例方法加self是更常规的写法。

内容的提问来源于stack exchange，提问作者Edison