神经网络中由于传入对象所以能够通过修改对象的值从而修改权重

import numpy as np

class obj:
    def __init__(self,x):
        self.x=x

    def printselfx(self):
        print(self.x['a'])


x=np.array([1,3,5])
dict = {'a': x}
temp=obj(dict)
temp.printselfx()

x+=1
dict= {'a': x}
temp.printselfx()

输出结果：

如上所示，因为x是一个对象，所以x的值改变会影响到类当中的self.x

我一开始以为没有改变，因为神经网络中在对self.params梯度下降后，并没有出现对affine层的W直接修改，其实就是上面所示的情况了