TypeError: __sigmoid() takes 1 positional argument but 2 were given

最新推荐文章于 2024-07-18 22:00:13 发布
最新推荐文章于 2024-07-18 22:00:13 发布
阅读量4.6k 收藏
点赞数 2
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Isaacddx/article/details/86143926
本文解决了在实现Sigmoid函数过程中出现TypeError的问题,错误提示为 '__sigmoid() takes 1 positional argument but 2 were given'。问题根源在于函数定义时参数数量不足,正确的定义应当包含两个参数。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

D东东锵
关注
2.python/pytorch编程debug
驽马十驾，功在不舍；锲而不舍，金石可镂。
05-10 1万+
快速解决python中的bug，这里总有你需要的。
【Error】报错--torch.nn.Sigmoid()：__init__() takes 1 positional argument but 2 were given
Danger的博客
02-15 3688
【Error】报错--torch.nn.Sigmoid()：__init__() takes 1 positional argument but 2 were given
TypeError: __init__() takes 1 positional argument but 2 were given
qq_36852840的博客
07-14 3314
最近在更改MS-AAGCN模型的时候出现了这个问题 然后搜了一下，发现原因是，应传一个参数，但是给赋值了2个 然后又去看了一下nn.Sigmoid()方法，官网给出的例子如下 然后把 s = nn.Sigmoid(x1) 改为 s = nn.Sigmoid() x1 = s(x1) 代码就可以正常运行了。 ...
sigmoid函数时报错误
wangchaoxjtu的专栏
06-10 3310
在使用sigmoid函数时报这个错误，看到了有个博客说是因为类的调用出现错误，但是不知道怎么改。 错误写法 x = nn.Sigmoid(x) 1 2 正确写法 outlayer = nn.Sigmoid() # 需要先对类实例化，才能调用 x = outlayer(x) 1 2 3 官网例子： m = nn.Sigmoid() loss = nn.BCELoss() input = torch.randn(3, requires_grad=True) target = torch.empty(3).r
常见错误TypeError: xxx() missing 1 required positional argument: 'xxx'
Data _designer
11-18 2万+
先实例化，后调用。不能直接import进来
解决TypeError: __init__() takes 1 positional argument but 2 were given
专注Spring、SSM、数据结构与算法、蓝桥杯领域创作者
07-18 969
方法没有接收任何参数，但是在创建类的实例时，尝试传递了一个参数。如下图，在使用torch.nn.Sigmoid非线性激活时报错。类的实例时不传递任何参数。要解决这个问题，需要确保在创建。
问题记录：TypeError: __init__() takes 1 positional argument but 2 were given
qq_40548768的博客
06-09 2万+
同一个问题出现过，在遇到还会在再找解决问题，准备开始进行记录。 环境：使用pytorch 我是在定义一个类，不能调用，会报TypeError: init() takes 1 positional argument but 2 were given的问题，可以直接运行，当然中间也有一些（1）没有加self的地方，（2）自定义的类内没有先实例化，而是直接在调用类的函数, (3)定义的类内参数大小不对应等问题。经检查也不是（4）写错特定的名称，如:init(self): 是两个短划线 “_”（定义的类内，self
TypeError Traceback (most recent call last) Cell In[32], line 97 95 # 反标准化并应用约束 96 synthetic_data = scaler.inverse_transform(synthetic) ---> 97 synthetic_data = apply_physical_constraints(synthetic_data) 98 # 生成标签（使用代理模型） 99 print("\n训练代理模型生成标签...") TypeError: apply_physical_constraints() missing 1 required positional argument: 'encoder'
03-19
#### **方案2：修改函数定义（若无需encoder）** 如果函数逻辑实际不需要编码器： ```python def apply_physical_constraints(data): # 移除encoder参数 return data.clamp(min=0, max=1) # 示例：简单范围约束 ```...
``` X_train = np.load('X_train.npy') y_train = np.load('y_train.npy') X_val = np.load('X_val.npy') y_val = np.load('y_val.npy') X_test = np.load('X_test.npy') y_test = np.load('y_test.npy') class DDCTrainer: def __init__(self, input_dim): self.input_dim = input_dim self.domain_loss_weight = 0.1 # 领域损失权重 # 构建特征提取网络 self.feature_extractor = self.build_feature_extractor() # 完整模型构建（包括分类头） self.classifier_model = self.build_classifier(self.feature_extractor) @staticmethod def build_feature_extractor(): model = Sequential([ Dense(64, activation='relu', input_shape=(None,)), Dropout(0.5), Dense(32, activation='relu'), ]) return model @staticmethod def build_domain_discriminator(feature_extractor_output_dim): model = Sequential([ Dense(16, activation='relu', input_shape=(feature_extractor_output_dim,)), Dense(1, activation='sigmoid'), # 判断是否属于源领域或目标领域 ]) return model def build_classifier(self, feature_extractor): classifier_head = Sequential([ feature_extractor, Dense(2, activation='softmax') # 分类任务为两类 ]) classifier_head.compile(optimizer=Adam(), loss='sparse_categorical_crossentropy', metrics=['accuracy']) return classifier_head def compute_domain_confusion(self, features_source, features_target): """ 计算领域间混淆度 """ mean_features_source = np.mean(features_source, axis=0) mean_features_target = np.mean(features_target, axis=0) confusion_distance = euclidean(mean_features_source, mean_features_target) return confusion_distance def simulate_ddc_training(ddc_trainer, source_data, target_data, epochs=10, batch_size=32): for epoch in range(epochs): # 提取特征 features_source = ddc_trainer.feature_extractor.predict(source_data[0]) features_target = ddc_trainer.feature_extractor.predict(target_data[0]) # 更新特征提取器以最小化领域差异 domain_confusion = ddc_trainer.compute_domain_confusion(features_source, features_target) print(f"Epoch {epoch + 1}/{epochs} - Domain Confusion Distance: {domain_confusion:.4f}") # 对齐分布的同时训练分类器 history = ddc_trainer.classifier_model.fit( *source_data, validation_data=target_data, epochs=1, batch_size=batch_size, verbose=0 ) val_accuracy = history.history['val_accuracy'][0] print(f"\tValidation Accuracy on Target Data: {val_accuracy * 100:.2f}%\n") if __name__ == "__main__": # 初始化 DDC Trainer 并设置输入维度 input_dim = X_train.shape[1] trainer = DDCTrainer(input_dim=input_dim) # 模拟源域和目标域划分（假设一部分是源域，另一部分为目标域） source_data = (X_train[:len(X_train) // 2], y_train[:len(y_train) // 2]) # 源域 target_data = (X_val, y_val) # 目标域 # 开始模拟 DDC 过程 simulate_ddc_training(trainer, source_data, target_data, epochs=10, batch_size=32)```TypeError: build_feature_extractor() missing 1 required positional argument: 'input_dim'
最新发布
04-01
然而，错误信息 `TypeError: build_feature_extractor() missing 1 required positional argument: 'input_dim'` 表明函数 `build_feature_extractor()` 缺少了一个必要的位置参数 `input_dim`。这是因为当前的 `...
解决报错：TypeError: log_sigmoid(): argument ‘input‘ (position 1) must be Tensor, not torch.return_types.
muli
02-02 5267
报错如下： TypeError: log_sigmoid(): argument 'input' (position 1) must be Tensor, not torch.return_types.max torch.max()的返回类型为 torch.return_types.max fused_scores = torch.max(scores, 0) 查看 fused_scores 的输出 fused_scores: torch.return_types.max( values=tensor
takes 0 positional arguments but 1 was given
努力加餐饭的博客
07-25 3万+
takes 0 positional arguments but 1 was given 刚刚在跟着敲代码的时候，碰到了这个报错。 >>> def self_float():     try:         return float(obj)     except ValueError:         retval = none     return retval >>>
问题Missing 1 required positional argument引出的关于python实例化的经验教训
qianqian_0825的博客
09-12 12万+
由问题Missing 1 required positional argument引出的关于python实例化的经验教训，及实例化的具体步骤 最近在刷leetcode，想把写出的算法输出个结果验证一下，于是乎遇到了这个坑，以前自己写代码都是赶着写，或者百度个框架改改，从来没在意过类似的细节，因此立贴于此，要改正这一缺点，学透这门语言为己所用，谨以此贴引以为戒！ class Solution:...
Pytorch报错TypeError : __init__() takes 1 positional argument but 2 were given 原因及解决方法
一听音频技术
03-24 1万+
在使用sigmoid函数时报这个错误，看到了有个博客说是因为类的调用出现错误，但是不知道怎么改。 错误写法 x = nn.Sigmoid(x) 正确写法 outlayer = nn.Sigmoid() # 需要先对类实例化，才能调用 x = outlayer(x) 官网例子： m = nn.Sigmoid() loss = nn.BCELoss() input = torch.randn(3, requires_grad=True) target = torch.empty(3).random_(2)
TypeError: forward() missing 1 required positional argument: ‘x‘
qq_20373723的博客
03-20 2万+
File ".\seg_v2\framework.py", line 13, in __init__ self.net = net().cuda() File "C:\Users\Administrator\Anaconda3\lib\site-packages\torch\nn\modules\module.py", line 722, in _call_impl result = self.forward(*input, **kwargs) TypeError: forward()
解决 TypeError: xxx() missing 1 required positional argument: 'astr'
无梦生7的博客
04-30 4万+
错误代码 TypeError: xxx() missing 1 required positional argument: ‘astr’ 错误原因 没有对类进行实例化如下。 Solution.isUnique(s) 解决方法 实例化类如下。 Solution().isUnique(s) ...
解决TypeError: get() missing 1 required positional argument: 'url'
qq_34785659的博客
03-03 5万+
使用selenium时需要确保电脑上已经下载了浏览器对应版本的webdriver 先附初始代码 #导入库 from selenium import webdriver #声明浏览器对象并调用 browser = webdriver.Chrome url = ‘https://www.baidu.com/’ browser.get(“https://www.baidu.com/”) #打印网页源代码...
【Python】Missing 1 required positional argument 解决方案
热门推荐
02-09 25万+
1. 报错描述 2. 报错原因 从报错代码能够看出，我这里涉及了两个类，我用A类和B类来进行描述。 A类：一个方法类，其中报错的 get_element() 就是这个类下的一个方法。在该类我没有实例化 B类：在 get_element() 中调用了A的 get_element() 方法。只在开头 from A import A. 因为A类没有实例化，B类我也没有进行实例化，只是直接引入了这个类。...
TypeError: _vhstack_dispatcher() takes 1 positional argument but 2 were given
12-04
这个错误提示`TypeError: _vhstack_dispatcher() takes 1 positional argument but 2 were given`表示你在调用NumPy的`vstack`或`hstack`函数时，传入了超过预期的参数。`vstack`或`hstack`通常需要一个参数，即你要合并的数组或矩阵列表。 例如，如果你这么调用： ```python np.vstack([arr1, arr2, arr3]) # 这里arr1, arr2, arr3是你要堆叠的矩阵 ``` 但是你可能做了类似这样的： ```python np.vstack(arr1, arr2) # 这里你多传递了一个参数 ``` 你需要确认是否只传递了一个列表或者数组作为第一个参数，并移除多余的参数。 如果确实想对两个数组分别操作，你应该分开调用，如： ```python result1 = np.vstack(arr1) result2 = np.vstack(arr2) merged = np.concatenate((result1, result2)) # 或者直接结果1.append(result2) ```
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值