无法确定包含转置操作的循环中numpy数组的形状

我一直在尝试创建一个小型神经网络,通过以下网站上的一篇文章学习softmax函数: https://mlxai.github.io/2017/01/09/implementing-softmax-classifier-with-vectorized-operations.html

它对于单个迭代非常有效。但是,当我创建一个循环以使用更新的权重训练网络时,我得到了以下错误:ValueError:操作数不能与形状(5,10)(1,5)(5,10)一起广播。我在这里附上了输出的屏幕截图。

调试这个问题时,我发现np。max()返回不同迭代次数下的形状(5,1)和(1,5)数组,即使轴设置为1。请帮助我识别以下代码中的错误。

import numpy as np

N = 5
D = 10
C = 10

W = np.random.rand(D,C)
X = np.random.randint(255, size = (N,D))
X = X/255
y = np.random.randint(C, size = (N))
#print (y)
lr = 0.1

for i in range(100):
  print (i)
  loss = 0.0
  dW = np.zeros_like(W)
  N = X.shape[0]
  C = W.shape[1]

  f = X.dot(W)
  #print (f)

  print (np.matrix(np.max(f, axis=1)))
  print (np.matrix(np.max(f, axis=1)).T)
  f -= np.matrix(np.max(f, axis=1)).T
  #print (f)  

  term1 = -f[np.arange(N), y]
  sum_j = np.sum(np.exp(f), axis=1)
  term2 = np.log(sum_j)
  loss = term1 + term2
  loss /= N 
  loss += 0.5 * reg * np.sum(W * W)
  #print (loss)

  coef = np.exp(f) / np.matrix(sum_j).T
  coef[np.arange(N),y] -= 1
  dW = X.T.dot(coef)
  dW /= N
  dW += reg*W

  W = W - lr*dW