pythonで引数とローカル変数の関係

Question

以下のコードで引数とローカル変数の関係について教えてください。
ゼロから作るDeep leaningからの抜粋です。

def predict(self, x):
        for layer in self.layers.values():
            x = layer.forward(x)
        
        return x

上記のコードでは、引数 とローカル変数が同じxになっています。
これは以下のどちらになるでしょうか。

１．xは引数を参照するものであり、xには引数で受け取った配列データの上にlayer.forward(x)の値が上書きされる。
２．xはローカル変数であり、引数xとは関係ない。したがってyに宣言して、return yにしても同じ結果になる。

Answer 1

1でも2でもないです。
そもそも、関数の仮引数として書かれた名前はローカルな名前空間に束縛されるので、定義上ローカル変数です。以下を参照ください。

https://docs.python.org/ja/3/reference/executionmodel.html#naming-and-binding

以下の構造で、名前が束縛されます: 関数の仮引数 (formal parameter) 指定

ある名前がブロック内で束縛されているなら、 nonlocal や global として宣言されていない限り、それはそのブロックのローカル変数 (local variable) です。

だからxは仮引数でかつローカル変数です。

---

例えばですが、

def twice_and_increment(x):
    x = x * 2
    x = x + 1
    return x

と

def twice_and_increment(x):
    d = x * 2
    i = d + 1
    return i

を比較するのがよいかもしれません。（2倍して1を足して返す関数ですが、処理自体は本筋とは関係ないです）

上は、どうせそれ以降で使わないんだから違う名前にする意味ないよね派で
下は、もう使わないとしても違う名前を付けるべき派のコードです。

どっちでもいいでしょう。
関数の中身がある程度より大きいなら下の方が好ましく、小さいなら上でもぜんぜん構わない、といった程度の印象です。

Answer 2

self.layersが

self.layers = OrderedDict()
self.layers['Affine1'] = Affine(self.params['W1'], self.params['b1'])
self.layers['Relu1'] = Relu()
self.layers['Affine2'] = Affine(self.params['W2'], self.params['b2'])

であったときに、predictは

x = self.layers['Affine1'].forward(x)
x = self.layers['Relu1'].forward(x)
x = self.layers['Affine2'].forward(x)
return x

という意味になる。

~.predict(x1)と呼んだときに
forwardでxの状態を変更するメソッドが呼ばれていない限り
x1に影響は及ぼさない。

わかりにくいなら

def predict(self, x):
    ret = x
    for layer in self.layers.values():
        ret = layer.forward(ret)
    return ret

と書いてもいいと思う。

---

実験コード
いろいろなパターンで試してみるといいでしょう。

def forward(x,i):
    # x.append(i)
    # return x
    return x+[i]

def hoge(x):
    for i in range(10):
        ret = forward(x,i)
    return ret
    
    # for i in range(10):
    #     x = forward(x,i)
    # return x  
    
    # ret = x
    # for i in range(10):
    #     ret = forward(ret,i)
    # return ret
        
x1 = [5]
x2 = hoge(x1)

print(x1)
print(x2)

Answer 3

ありがとうございます。

Answer 4

1ですね。

xは仮引数であり、実行時は実引数に束縛されます。
この関数では、実引数はlayer.forward(x) に渡されて返り値が、改めてxに束縛されて、return x で返されます。

仮引数は初期値として実引数の値に束縛されえちるだけで、ローカル変数と同じものです。 ので、再束縛(再代入)も可能です。

1つの関数/プログラムの中で変数を複数の意味で利用するのはあまりマナーがよくないですね。
あと、ループの意味もよくわからない。

def predict(self, x):
      for layer in self.layers.values():
          ret = layer.forward(x)        
      return ret

たとえばこんな風に別の変数にしたほうがわかりやすい。

Comments

[ParaParaDance]

self.layers = OrderedDict()
self.layers['Affine1'] = Affine(self.params['W1'], self.params['b1'])
self.layers['Relu1'] = Relu()
self.layers['Affine2'] = Affine(self.params['W2'], self.params['b2'])

ループの中は、OrderedDictクラスに共通でforwardのメソッドが入っていてそれらを一遍に更新する形になっています。
引数のxと同じ名前のローカル変数ってまったくメリットないですよね？
ほかに奥深い意味があるかなと思いましたが、どうせ書き換えられてしまうので、違う名前にしたほうがいいですよね？