本文链接：https://blog.csdn.net/ljwyan/article/details/88430027

本文介绍了在Python3.x环境下，如何解决从2.x版本移植的代码中，zip、reduce和map函数导致的错误。关键在于Python3中reduce需要导入，且map和zip返回的是迭代器，需要转换为列表。通过修改相关代码，可以确保3.x版本的兼容性。

摘要由CSDN通过智能技术生成

看到@hanbingtao大神的《零基础入门深度学习(1) - 感知器》，心里非常激动，原来不明白的问题终于搞清楚了，尤其是提供了python代码……哦，对了，代码是在2.x环境下的，直接在3.x中运行会报错，当时百思不得其解，历经一天，终于搞清楚，主要是zip与reduce及map合用的问题，因此只需要修改以下3处，亲测可运行：
1.py2中reduce可以直接用，py3中需要导入；
2.py2和py3在map和zip的地方有区别（一并感谢百度知道中的匿名用户），py3的结果是迭代器，所以需要自己手动将结果转化为列表。因此只是光改代码提示错误的地方还不够，出现map和zip的地方都需要修改。两处使用reduce和map的函数都需要修改，下面代码中我已标红（这是与原代码不同之处）

from functools import reduce


class Perceptron(object):
    def __init__(self, input_num, activator):
        self.activator = activator
        self.weights = [0.0 for _ in range(input_num)]
        self.bias = 0.0

    def __str__(self):
        return 'weights\t:%s\nbias\t:%f\n' % (self.weights, self.bias)

    def predict(self, input_vec):
        return self.activator(reduce(lambda a,b: a + b,list(map(lambda x: x[0] * x[1], list(zip(input_vec, self.weights)))))+self.bias)

    def train(self, input_vecs, labels, iteration, rate):
        for i in range(iteration):
            self._one_iteration(input_vecs, labels, rate)

    def _one_iteration(self, input_vecs, labels, rate):
        samples = zip(input_vecs, labels)
        for (input_vec, label) in samples:
            output = self.predict(input_vec)
            self._update_weights(input_vec, output, label, rate)

    def _update_weights(self, input_vec, output, label, rate):
        delta = label - output
        self.weights = list(map(lambda x: x[1] + rate * delta * x[0],list(zip(input_vec, self.weights))))
        self.bias += rate * delta


def f(x):
    return 1 if x > 0 else 0

def train_and_perceptron():
    p = Perceptron(2, f)
    input_vecs = [[1, 1], [1, 0], [0, 1], [0, 0]]
    labels = [1, 0, 0, 0]
    p.train(input_vecs, labels, 10, 0.1)
    return p

and_perception = train_and_perceptron()
print(and_perception)
print('1 and 1 = %d' % and_perception.predict([1, 1]))
print('0 and 0 = %d' % and_perception.predict([0, 0]))
print('1 and 0 = %d' % and_perception.predict([1, 0]))
print('0 and 1 = %d' % and_perception.predict([0, 1]))