更新列表列表仅发生一次迭代，但不会在感知器算法 ML 的进一步迭代中发生

Question

下面是我的多class感知器算法的代码。在这里，我试图更新列表列表给出的权重向量 - weights.

逻辑正确，正确执行了1次迭代。 weights 列表列表初始化为全 0。在第一次迭代中，权重列表被更新，但是在进一步的迭代中，列表没有得到更新。我不明白我做错了什么？请帮忙。谢谢

代码： **

import numpy as np
data = open("mnist_data_training.csv",'r')
weights = [[0 for _ in range(784)] for _ in range(10)]
for _ in range(0,3):
    for row in data:
        lst_row = (row.rstrip('\n').split(','))
        list_row = lst_row[:-1]
        if (max_weight_index != (lst_row[784])):
            weights[lst_row[784]] = np.add(weights[lst_row[784]],list_row) **# Updating weight vector here**
            weights[max_weight_index] = numpy.subtract(weights[max_weight_index],list_row) **#Updating weight vector here**

GitHub link - https://github.com/sudhakosuri/Multi-Class-Perceptron.git

Answer 1

在迭代开始时使用 filepointer.seek() 解决了这个问题。

更新列表列表仅发生一次迭代，但不会在感知器算法 ML 的进一步迭代中发生

Updating list of lists is happening for just one iteration but not in further iterations in Perceptron algorithm ML

python

list

machine-learning

perceptron

python-3.x