运行自定义神经网络代码遇TypeError：NoneType与float无法执行乘法运算

首先，先解释你遇到的错误含义：

TypeError: unsupported operand type(s) for *: 'NoneType' and 'float'

这个错误的核心意思是：你的代码中有一个变量的值是None（空值），但你尝试将它和一个浮点数执行乘法运算——Python不支持这种操作，所以抛出了这个类型错误。

为什么修改代码后出现这个问题？ #

你之前使用单参数的propup方法时没有报错，是因为那个版本的代码完全没用到input_history这个变量；但修改后的代码新增了v_history参数，并且在propup里执行了numpy.dot(v_history, self.B)，而v_history对应的是类实例的self.input_history。

看你的类初始化代码：

def __init__( self, input=None, input_history=None, n_visible=7, n_hidden=500, delay=6, A=None, B=None, W=None, hbias=None, vbias=None, numpy_rng=None):
    # ... 其他初始化代码
    self.input = input
    self.input_history = input_history
    # ...

input_history的默认值是None，如果你在创建这个类的实例时，没有传入有效的input_history数据，那么self.input_history就会保持None状态。当后续代码调用propup（比如sample_h_given_v方法内部，你没贴出这个方法，但从调用逻辑能推断）时，会把None传入v_history参数，执行numpy.dot(None, self.B)时，底层会尝试对None和数组元素做乘法，自然触发了这个错误。

另外，你的get_cost_updates方法里还有一个明显的参数错误：

self.vbias += lr * numpy.mean(self.input - nv_samples, self.input_history, axis=0)

numpy.mean的第二个参数应该是计算均值的轴（axis）或者其他可选参数，你这里错误地传入了self.input_history，如果它是None，也会引发额外的参数错误，需要修正。

解决方案 #

1. 确保input_history被正确初始化

   • 如果你创建类实例时，input_history是必填数据，那么去掉它的默认None值，强制传入符合维度要求的数据：input_history的形状需要匹配(样本数量, n_visible * delay)，这样才能和self.B（形状(n_visible*delay, n_hidden)）执行矩阵乘法。
   • 如果需要默认值，不要用None，而是生成一个符合维度的初始数组，比如：

     if input_history is None:
         # 假设input有样本维度，生成对应形状的全零数组
         input_history = np.zeros((input.shape[0], n_visible * delay))
     

2. 修复numpy.mean的参数错误
   把get_cost_updates里的那行代码改成：

   self.vbias += lr * numpy.mean(self.input - nv_samples, axis=0)
   

3. 检查sample_h_given_v方法
   确认这个方法内部调用propup时，传入的v_history一定是有效的数值数组，而不是None。如果有必要，可以在方法开头加一个判断：

   def sample_h_given_v(self, vis, v_history):
       if v_history is None:
           raise ValueError("v_history cannot be None!")
       # 后续逻辑
       return self.propup(vis, v_history)
   

内容的提问来源于stack exchange，提问作者V.O Vian