**这对我很有效。**我认为不需要使用缓存，因为您已经初始化了它。尝试下面的代码。

import matplotlib.pyplot as plt 
import numpy as np 

z = np.linspace(-10, 10, 100) 
def sigmoid(z):
    return 1/(1 + np.exp(-z))

a = sigmoid(z)
plt.plot(z, a) 
plt.xlabel("z") 
plt.ylabel("sigmoid(z)")

虽然实现Sigmoid函数非常简单，但有时传递到函数中的参数可能会导致错误。
代码片段

def sigmoid_function(z):
""" this function implements the sigmoid function, and 
expects a numpy array as argument """

    if isinstance(z, numpy.ndarray):
        continue

    sigmoid = 1.0/(1.0 + np.exp(-z))
    return sigmoid

以下是要紧记的几点要点：

• 使用Sigmoid值为1.0将产生浮点型输出
• 在对参数执行计算之前检查参数类型是一种很好的编程实践。它可以帮助避免以后的混乱

Why is sigmoid function used so often?

Sigmoid函数用于将值范围压缩到范围(0，1)。有许多其他函数可以做到这一点，但提高它的受欢迎程度的一个非常重要的点是，它可以简单地表示其导数，这在反向传播中很方便
Sigmoid导数的实现

def sigmoid_derivative(z):
    """ this function implements the derivative of a sigmoid function """

    return sigmoid_function(z) * (1.0 - sigmoid_function(z))

Sigmoid的导数可以用Sigmoid表示！！

您之所以看到这个错误，很可能是因为您的Z类型为numpy.ndarray，但它包含一个元组。例如，考虑Z的定义。

Z = np.array([1, (1, 2, 3), 3])

如果在Z上运行sigmoid函数，它将输出Z是numpy.ndarray，但会生成您得到的TypeError，因为Numpy在Z的所有成员之间广播一元求反，其中一个是元组，而元组不实现一元求反。