python - lambda 表达式中未使用参数的解释

如何解决python - lambda 表达式中未使用参数的解释

问题

请帮助理解这个 lambda 定义是什么，其中参数 w 没有出现在表达式部分。

loss_w = lambda w: loss(x,t)    # <---- parameter w is not used in the expression 
gradient(loss_w,W)

loss_w 被称为 f(arg)，只有一个参数，而 loss 有两个参数。

def gradient(f,arg):
    ...
    fh2: float = f(arg)  # <--- how come 'loss' can take one argument as f(W)?

据我所知，该参数将用于表达式中，例如lambda w: w**2。

• 6.14. Lambdas

lambda_expr        ::=  "lambda" [parameter_list] ":" expression
lambda_expr_nocond ::=  "lambda" [parameter_list] ":" expression_nocond

Lambda expressions (sometimes called lambda forms) are used to create anonymous functions. 
The expression lambda parameters: expression yields a function object. The unnamed object 
behaves like a function object defined with:

def <lambda>(parameters):
    return expression

代码

代码正在计算 loss 函数 f 的导数。

• cs231 Gradient Checks

import numpy as np

W = 0.01 * np.random.randn(2,3)

def relu(x):
    return np.maximum(0,x)

def loss(x,t):           # <---------- 'loss' function
    global W
    a = relu(np.matmul(X,W.T))
    a:float = a - np.max(a,axis=-1,keepdims=True)
    p:float = np.exp(a) / np.sum(np.exp(a),keepdims=True)

    batch_size = p.shape[0]
    return -np.sum(np.log(p[np.arange(batch_size),t] + 1e-7)) / batch_size


def gradient(f,arg):     # <---------- 'loss' function is passed as f
    h:float = 1e-4 # 0.0001
    grad = np.zeros_like(arg,dtype=float)
    
    it = np.nditer(arg,flags=['multi_index'],op_flags=['readwrite'])
    while not it.finished:
        idx = it.multi_index
        tmp_val = arg[idx]

        # f(x+h)
        arg[idx] = tmp_val + h
        fh1: float = f(arg)     # <--- why loss(x,t) can only take one argument?

        # f(x-h)
        arg[idx] = tmp_val - h 
        fh2: float = f(arg) 
        grad[idx] = (fh1 - fh2) / (2*h)
        
        arg[idx] = tmp_val
        it.iternext()   
        
    return grad

def numerical_gradient(x,t):
    t = t.reshape(1,t.size) if t.ndim == 1 else t
    x = x.reshape(1,y.size) if x.ndim == 1 else x
       

    loss_w = lambda w: loss(x,t)  # <----- What is this w?

    global W
    return gradient(loss_w,W)

原始代码是实现 cs231 的 two_layer_net.py。

---

更新

现在我确信 W 是一个冗余参数。 f(x) 的原始意图是明确的，因此尝试将权重参数 W 作为 f(W) 传递。或许应该是lambda w: loss(w,t)。

解决方法

通常，您可以编写一个根本不使用其参数的 lambda 函数。例如：

>>> a = lambda x,y:1+2
>>> a(1,2)
3
>>> a(None,4)
3
>>> a()
Traceback (most recent call last):
  File "<stdin>",line 1,in <module>
TypeError: <lambda>() missing 2 required positional arguments: 'x' and 'y'

在您的问题中，您问过“为什么 loss(x,t) 只能采用一个参数？”。因为 lambda 函数只接受一个参数，甚至不使用它，而是将其他参数提供给 loss 方法。