MLP正弦函数任务权重更新报错排查：XOR正常但Sin(x1-x2+x3-x4)失效

这个错误的根源非常清晰：你在update_weights函数里尝试用浮点数learning_rate和一个函数对象做乘法运算，而不是和预期的numpy数组运算。结合你的代码场景，问题肯定出在self.delta_weights1或self.delta_weights2的定义环节。

最可能的触发原因 #

你大概率是在初始化delta_weights1/delta_weights2的时候，把数组生成函数的名称直接赋值给了变量，而没有调用函数（加括号并传入形状参数）。举个典型的错误例子：

# ❌ 错误：把np.zeros这个函数对象赋值给了delta_weights1
self.delta_weights1 = np.zeros
# ✅ 正确：调用np.zeros生成和weights1同形状的零数组
self.delta_weights1 = np.zeros_like(self.weights1)

当delta_weights1是一个函数对象时，learning_rate * self.delta_weights1自然会触发类型不兼容的错误。

排查与修复步骤 #

1. 检查初始化代码
   找到你定义self.delta_weights1和self.delta_weights2的地方，确认它们被初始化为numpy数组，而不是函数对象。比如如果self.weights1是(4, 8)形状的权重矩阵，对应的梯度数组应该这么初始化：

   self.delta_weights1 = np.zeros((4, 8))
   # 或者更灵活的方式，自动匹配权重的形状
   self.delta_weights1 = np.zeros_like(self.weights1)
   

2. 检查反向传播中的赋值
   确保在反向传播计算梯度时，你是把计算得到的数值数组赋值给delta_weights，而不是不小心把某个未调用的函数（比如写了np.sum而不是np.sum(...)）赋值给了它们。

3. 快速调试验证
   在update_weights函数开头加一行调试代码，打印变量类型，直接定位问题：

   def update_weights(self, learning_rate):
       # 调试用：查看delta_weights的类型
       print("delta_weights1类型:", type(self.delta_weights1))
       print("delta_weights2类型:", type(self.delta_weights2))
       
       self.weights1 = np.add(self.weights1, learning_rate * self.delta_weights1)
       self.weights2 = np.add(self.weights2, learning_rate * self.delta_weights2)
       # ... 后续代码
   

   如果输出里出现<class 'builtin_function_or_method'>，那就能直接锁定是哪个变量出了问题。

为什么XOR任务没报错？ #

大概率是XOR任务的代码中，你正确初始化了delta_weights，或者在反向传播步骤中覆盖了错误的赋值；而正弦函数任务的代码里，delta_weights的初始化/赋值环节出现了上述的函数对象赋值错误。

内容的提问来源于stack exchange，提问作者Bryce