求解Coursera CNN示例中range()参数类型错误问题

我之前做Coursera卷积神经网络课程的练习时也碰到过一模一样的问题，咱们一步步来排查解决：

先搞清楚错误根源 #

range()函数的所有参数（起始、结束、步长）必须是整数，你说已经尝试转整数但没解决，大概率是转换的位置不对，或者某个计算出来的数值（比如minibatch数量、迭代次数）在转换时没处理彻底，导致还是有浮点数溜进了range()里。

具体排查和解决步骤 #

1. 定位出错的range()调用
   从你的报错堆栈来看，问题出在model函数里，最常见的场景就是minibatch划分时的批次数量计算。比如你的代码里可能有这样的逻辑：

   m = X_train.shape[0]
   num_minibatches = m / minibatch_size  # 这里如果m不是minibatch_size的整数倍，得到的是浮点数
   for i in range(num_minibatches):
       # 处理minibatch的代码
       ...
   

   比如m=108，minibatch_size=64，算出来的num_minibatches是1.6875，直接传给range()就会触发那个TypeError。

2. 用正确的方式转成整数
   别直接用int()截断，因为int(1.6875)会变成1，漏掉最后一个不足minibatch_size的小批次。推荐两种靠谱的写法：

   • 用math.ceil()向上取整：

     import math
     num_minibatches = math.ceil(m / minibatch_size)
     

   • 用整数除法的向上取整技巧（不用导入math库）：

     num_minibatches = (m + minibatch_size - 1) // minibatch_size
     

   这两种写法不管m能不能被minibatch_size整除，都会得到正确的整数批次数量，再传给range()就不会报错了。

3. 检查其他可能的range()调用
   除了minibatch数量，还要排查其他用到range的地方：比如epoch循环、卷积层的循环、数据预处理的索引循环。比如如果是特征图尺寸计算出错：

   # 错误写法：得到浮点数
   output_height = (input_height - filter_height + 2*padding) / stride
   # 正确写法：用整数除法//确保结果是整数
   output_height = (input_height - filter_height + 2*padding) // stride
   

4. 验证转换后的数值类型
   可以在出错的range()前加个打印语句，确认参数是整数：

   print("num_minibatches:", num_minibatches, type(num_minibatches))
   for i in range(num_minibatches):
       ...
   

   只要输出的类型是<class 'int'>，就没问题了。

最后总结 #

这个问题的核心就是确保传给range()的所有参数都是整数，而且转换的时候要注意不要丢失必要的批次或步骤，用向上取整或者整数除法的方式比直接int()截断更稳妥。

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