Numpy:如何进入“exp中遇到溢出”？
在Numpy中，当计算指数函数（exp）时可能会遇到溢出的问题。为了解决这个问题，可以使用以下方法：
- 使用Numpy中的exp函数的截断参数（truncate）：可以通过设置截断参数来限制指数函数的计算范围，避免溢出。例如，可以将指数函数的计算范围限制在[-x, x]之间，其中x是一个合适的较小值。
示例代码：
import numpy as np
x = 100
truncated_exp = np.exp(np.clip(x, -10, 10))在上述示例中，我们将x的计算范围限制在[-10, 10]之间，以避免指数函数计算时出现溢出的问题。
- 使用Numpy中的expm1函数：expm1函数计算指数函数exp(x)-1，可以避免当x非常接近0时出现的数值精度问题。
示例代码：
import numpy as np
x = 1e-5
result = np.expm1(x)在上述示例中，我们使用expm1函数计算exp(x)-1，避免了当x非常接近0时的数值精度问题。
- 使用Numpy中的log1p函数：log1p函数计算log(x+1)，可以避免当x非常接近0时出现的数值精度问题。通过使用log1p函数，可以将指数函数的计算转换为对数函数的计算。
示例代码：
import numpy as np
x = 1e-5
result = np.exp(np.log1p(x))在上述示例中，我们使用log1p函数计算log(x+1)，然后使用exp函数计算指数，从而避免了当x非常接近0时的数值精度问题。
总结：通过使用Numpy中的截断参数、expm1函数和log1p函数，可以有效地处理在计算指数函数时可能遇到的溢出问题。这些方法在科学计算、机器学习、数据分析等领域中广泛应用。
推荐的腾讯云相关产品：无
相关·内容
1回答
当我将numpy.exp应用于数字数组时，会得到以下运行时警告：
RuntimeWarning: overflow encountered in exp
现在我知道这个数组中的一些值会导致exp溢出，但我不知道是哪一个(而且这个数组有数百万个条目)。
是否有一种方法可以使运行时警告更详细，因为它还显示导致溢出的特定参数(更重要的是，它在输入数组中的位置)？我发现了和，但是它们似乎没有包含导致错误的原因(只是错误的含义)。
我知道--在遇到这个警告之后--我可以将数组中的每个值分别传递给exp并注意警告，或者我可以使用来测试exp(array)的元素。然而，这意味着干扰实际的代码，而我更希望n
浏览 2提问于2017-02-08得票数 0
2回答
我正在使用函数: numpy.log(1+numpy.exp(z))
对于z的小值(1-705)，它给出标识结果(1-705{如预期})，但对于710+中z的较大值，则给出无穷大的值，并抛出错误"runtimeWarning: exp中遇到的溢出“。
浏览 0提问于2017-03-09得票数 1
回答已采纳
1回答
在不应该返回错误的地方返回错误
、、、、
我从零开始使用神经网络，当我试图实现稳定的sigmoid函数时，numpy似乎表现得很奇怪。这里的两个函数都返回RuntimeWarning: exp中遇到的溢出。
#Original Function
def sigmoid(x):
return np.where(x >= 0, 1 / (1 + np.exp(-x)), np.exp(x) / (1 + np.exp(x)))
#Dummy function that is also misbehaving
def sigmoid(x):
return np.where(x>=0, 1 / (1 + np
浏览 6提问于2020-04-24得票数 0
回答已采纳
1回答
我在exp中遇到了运行时溢出错误，因为它超过了64位的限制，而且我不能使用np.float128()，因为我使用的是64位windows计算机。
我可以剪辑和使用它，但我如何剪辑一个复数，但仍然得到一个假想和复杂的部分。
当前代码：
import numpy as np
x = 738.368295193386-738.368295193386j
x = np.clip(x, -709.78, 709.78)
print(np.exp(x))
输出如下所示：
(1.7928227943945157e+308+0j)
但也希望这个假想的词有一个值。
例如，：
np.exp(708.3682951
浏览 7提问于2022-09-13得票数 2
回答已采纳
我尝试用下面的代码实现 (out_vec是一个浮点数的numpy向量)：
numerator = np.exp(out_vec)
denominator = np.sum(np.exp(out_vec))
out_vec = numerator/denominator
然而，由于np.exp(out_vec)，我得到了一个溢出错误。因此，我(手动)检查了np.exp()的上限是什么，发现np.exp(709)是一个数字，但np.exp(710)被认为是np.inf。因此，为了避免溢出错误，我对代码进行了如下修改：
out_vec[out_vec > 709] = 709 #prevent
浏览 8提问于2016-06-06得票数 36
假设我有以下函数：
import numpy, itertools
def my_func(x):
Z = 0
for y in itertools.product([-1, 1], repeat=10):
Z += numpy.exp(numpy.dot(x,y))
return numpy.log(Z)
对于不包含“太极端”值的输入向量，该函数工作得很好。但是，如果输入值太过极端，那么在某个时候，numpy.exp函数中就会出现溢出。下面是一个示例：
x = numpy.random.normal(5, 10
浏览 0提问于2017-05-23得票数 1
回答已采纳
1回答
在我正在开发的模型中，我使用了一个公式，当它运行时，它会生成RuntTimeWarning: exp中遇到的溢出。据我所读到的理解，这是由于在计算数据类型时使用了过大的数字。
我的公式存储到numpy数组，那么是否有一种方法可以更改数据类型，以便计算这些值？
谢谢
浏览 5提问于2016-04-19得票数 0
2回答
以下是
from scipy.special import gamma
gamma(x)
大量x的溢出。这就是为什么scipy提供了gammaln，它相当于np.log(gamma(x))，允许我们在日志空间中工作并避免溢出。
对于函数，有这样的东西吗？我想要一些返回与下面相同的东西，但对于大型x，我想要没有溢出。
import numpy as np
from scipy.special import exp1
def exp1ln(x):
return np.log(exp1(x))
(我认为这与gammaln类似的理由是，exp1属于相同的函数族，参见此处：。)
谢谢
浏览 3提问于2021-03-02得票数 5
回答已采纳
2回答
我收到一个溢出错误
import numpy as np
pi = np.pi
from scipy.integrate import quad
from math import exp
hbar = 1.055e-34
boltz = 1.381e-23
c = 2.998e8
def z(x):
return (x**3)/(exp(x)-1)
B=quad(z,0,np.inf)
A= ((boltz**4)*B)/(4*(pi**2)*(c**2)*(hbar**3))
print (A)
它在第11行给出了一个溢出错误，即return (x**3)
浏览 0提问于2019-01-21得票数 1
我完全是使用curve_fit()的初学者。我不明白我下面的代码中有什么问题：
import matplotlib.pyplot as plt
import numpy as np
from scipy.optimize import curve_fit
def func(x, a, b, c):
return a * np.exp(-b * x) + c
xdata = [2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22]
ydata = [75,66,63,61,60,58,58,55,56,54,56,59,57,5
浏览 0提问于2020-08-17得票数 0
我有一个numpy数组，它就是下面链接的那个(pastebin上的长文件)： Z.txt 下面是发生的情况： import numpy as np
Z = np.loadtxt("Z.txt")
print (Z.dtype) 输出： float64 然后，有趣的部分(不是那个)： A = np.where(Z>=0, Z, 1*(np.exp(Z)-1) ) 输出： __main__:1: RuntimeWarning: overflow encountered in exp 不应该有任何溢出，因为只有负值应该在np.exp中传递。 我尝试的基本上是重写数百行代码
浏览 83提问于2021-05-10得票数 1
回答已采纳
在使用numpy时，我一直会收到这个错误：
Warning (from warnings module):
File "somepath.py", line 249
return 1 / ( 1 + np.exp( -x))
RuntimeWarning: overflow encountered in exp
然而，这并没有告诉我任何事情，因为我仍然不知道它是如何导致这个错误的。通常，当我得到一个错误时，它会追溯到它所通过的函数来获得错误，但不是使用exp溢出。
我如何得到一个错误，在其中它确实显示给我这个？
浏览 12提问于2017-04-26得票数 1
回答已采纳
我遇到了"RuntimeWarning: exp中遇到溢出...“在我的代码中。如何在出现此警告时使pyCharm中断？它目前已经超过了它。
浏览 3提问于2013-07-30得票数 19
我有一个表达式，对于某些参数值，它会溢出。在这种情况下，我已经用纸和笔推导出了渐近结果应该是什么，当我有这样的情况时，我只需用我的解析表达式替换。
目前，我的代码是这样做的：
values = ExpressionThatOverFlows()
# Check the ones that overflow
indOverFlow = isnan(values)
# Set them to the values I derived by pen and paper
values[indOverFlow] = derivedValues
我的问题是I/O爆炸时会出现“警告”。我知道它警告我是好的，
浏览 0提问于2012-02-19得票数 4
回答已采纳
1回答
下面是我试图计算softmax的一小段代码。它可以很好地处理单个数组。但对于1000等更大的数字，它就会爆炸
import numpy as np
def softmax(x):
print (x.shape)
softmax1 = np.exp(x)/np.sum(np.exp(x))
return softmax1
def test_softmax():
print "Running your code"
#print softmax(np.array([1,2]))
test1 = softmax(np.array([1,2]))
ans1 =
浏览 0提问于2017-04-14得票数 3
我收到了下面的错误消息。我已经发现了一些关于堆栈溢出的问题，我尝试了他们的解决方案，但没有奏效。
import numpy as np
R=0.9999 #Reflectivity
a=np.arange(0,100000,1,dtype=np.complex)
b=R**(a)
c=np.exp(np.complex(0,a))
错误：
c=np.exp(np.complex(0，a))
TypeError:只有长度-1数组可以转换为Python标量。
浏览 1提问于2017-02-21得票数 0
回答已采纳
2回答
因此，我一直试图适应指数修正的高斯函数(如果感兴趣的话，)
import numpy as np
import scipy.optimize as sio
import scipy.special as sps
def exp_gaussian(x, h, u, c, t):
z = 1.0/sqrt(2.0) * (c/t - (x-u)/c) #not important
k1 = k2 = h * c / t * sqrt(pi / 2) #not important
n1 = 1/2 * (c / t)**2 - (x-u)/t #not
浏览 3提问于2016-07-08得票数 0
回答已采纳
1回答
当我运行这个程序时，我得到了一个溢出，我不知道如何修复它。该程序是一个方阵幂计算器，它从一个文本文件中获取输入。它从格式如下的文件中读取： 3 // size of a square matrix so in this case a 3X3 matrix
1 2 3 // all these numbers are inputs for each [i][j] entry
4 5 6
7 8 9
2// exponent to perform multiplication 这段代码有一个边缘情况，如果你输入矩阵大小为1，那么你只需要对下一行给定的指数给出的下一个int执行幂运算。这就是我遇到
浏览 17提问于2021-10-17得票数 0
所以我有这样的功能：
def logpp(X,m,S):
# Find the number of dimensions from the data vector
d = X.shape[1]
# Invert the covariance matrix
Sinv = np.linalg.inv(S)
# Compute the quadratic terms for all data points
Q = -0.5*(np.dot(X-m,Sinv)*(X-m)).sum(axis=1)
# Raise them quadratic terms to the exponential
Q
浏览 0提问于2019-11-09得票数 0
回答已采纳
我使用numpy (np.where)来计算空间数据数组上的一些指标(相当复杂的公式)。有时，当我对它们进行操作时，我会收到如下警告： RuntimeWarning: overflow encountered in exp
mo_arr = np.where(self.p > 0.5, mo+42.5*(self.p - 0.5)*np.exp(-100.0/(251.0-mo))*(1.0 - np.exp(-6.93/(self.p - 0.5))), mo) 有没有什么简单的方法可以得到引起警告的字段的x，y，或者我必须重构大量的代码块来手动遍历数组才能提取这样的信息？ 第二
浏览 17提问于2020-11-09得票数 0
回答已采纳
2回答
我正在处理一个类似于(在计算常量之后)的函数：
def n(x):
return (1.416e-28)*(x**47)*(np.exp(-4.545*x))
X从0到20。中间的x^47项会引起问题；即使第一项和最后一项随着x的增加而变小，代码在x^47处也会溢出。
通过进行以下修改，我能够让它开始工作：
def n(x):
logn=math.log((1.416e-28)*(x**47)*(np.exp(-4.545*x)),x)
return np.pow(r,logn)
这将返回相当容易管理的数字。
问题是我试图传递一个numpy数组，但是math.log只接
浏览 7提问于2015-10-29得票数 0
回答已采纳
1回答
最近，我正在处理一些数据，在保存绘图之后，我能够使用curve_fit获得一条曲线，所获得的值后来返回到相同的代码中，结果发现它不起作用。
#! python 3.5.2
import numpy as np
import matplotlib.pyplot as plt
import scipy.stats
from scipy.optimize import curve_fit
data= np.array([
[24, 0.176644513],
[27, 0.146382841],
[30, 0.129891534],
[33, 0.10537090
浏览 4提问于2017-07-25得票数 0
回答已采纳
我想通过订阅turtlebot3来改进LDS-01传感器，通过应用一些算法修改messange.ranges，并将其发布到新的主题中，如下所示。但是当我运行编码时有一个错误。错误是
遇到了溢出。错误是"RuntimeWarning: exp a1 =2/(1+exp(-2*N1))-1中遇到的溢出“，在订阅"/scan_new”主题后，正在发布的值在终端上变为红色，当我订阅"/scan_new“这个新主题时，错误是”警告:没有接收到的消息和模拟的时间是活动的。/clock正在发布吗？“
我能知道为什么吗？还有人能帮我编写代码吗？提前谢谢你！
#! /usr/bin/en
浏览 3提问于2021-09-09得票数 0
回答已采纳
1回答
我正在使用numpy的polyfit为一组数据找到一条最佳拟合曲线。然而，numpy的polyfit返回一个float64数组，并且因为计算出的系数非常大/很小(即1e-200)，所以它返回在multiply中遇到的溢出错误：
RuntimeWarning:在multiply scale = NX.sqrt((lhs*lhs).sum(axis=0))中遇到溢出
我尝试将初始数组转换为float128，但似乎行不通。有没有办法绕过这个溢出问题/有办法处理这么大的系数？
浏览 9提问于2017-07-08得票数 0
我正在尝试为几何分布回归模型实现一个Scikit-learn兼容类。但是，我在具有exp组件的目标函数中遇到了一个溢出运行时错误。我的objective_grad函数也有类似的错误，它在每一步都能找到梯度。 我的目标函数使用参数计算目标值的代码如下： weight = wb[0:-1]
bias = wb[-1]
theta = X.dot(weight) + bias
obj = y.dot(theta)
obj += np.sum((y + 1).dot((np.log(1 + np.exp(-theta))
浏览 22提问于2019-10-14得票数 1
2回答
假设我导入以下两个模块如下：
from sympy import *
from numpy import *
这两个模块都定义了一个exp()函数。蟒蛇如何选择使用哪一种？是否有办法在上述模块导入之后区分这些功能？在这种情况下，有什么机制来警告用户？考虑一下IDLE中的以下一组命令
=============================== RESTART: Shell ===============================
>>> from sympy import *
>>> from numpy import *
>>>
浏览 2提问于2017-08-04得票数 1
回答已采纳
我有一个非常简单的例子，它表明NumPy的np.exp比Matlab慢了大约10倍。如何加快Python的速度？我正在运行32位Python2.7，NumPy版本为1.11.3，而numpy使用的是MKL和lapack库。
而且，时间上的差异太大了，我不认为计时机制有很大的影响。
Python中的代码示例：
import numpy as np
import timeit
setup='import numpy as np; import numexpr as ne; n=100*1000; a = np.random.uniform(size=n)'
time = time
浏览 3提问于2017-05-25得票数 4
回答已采纳
我正在编写一个函数，用于从数组的datetime中提取值。我希望这个函数能在Pandas DataFrame或numpy ndarray上运行。
这些值应该以与Python属性相同的方式返回。
from datetime import datetime
dt = datetime(2016, 10, 12, 13)
dt.year
=> 2016
dt.second
=> 0
对于DataFrame来说，使用applymap()相当容易(尽管可能有更好的方法)。对于使用vectorize()的numpy ndarray，我尝试了同样的方法，并且遇到了一些问题。与我所期望的值
浏览 0提问于2016-10-12得票数 1
回答已采纳
我在numpy中实现了以下函数：
def weak_softmax(a):
b=np.exp(a)
return b/(1+np.sum(b))
数组a的大小很小，但条目有时可能很大，可能与1000一样大。因此，由于指数函数中的溢出，我经常收到以下错误：
a=np.array([1000,1000])
a=weak_softmax(a)
上面的代码返回向量a=[nan nan]，并发出以下警告：
Warning: overflow encountered in exp
有没有什么聪明的方法可以避免这个问题，同时仍然像预期的那样返回数组b？这是因为b的所有条目都小于1，我觉得必须
浏览 3提问于2017-01-31得票数 0
我想从向量a和b中计算协方差矩阵，比如k[i][j] = exp( -(a[i]-b[j])**2 )。
在numpy中，我可以这样写，
import numpy as np
r = np.subtract.outer(a, b)
k = np.exp(-r*r)
在PyTorch中，我可以编写简单的代码，但它比numpy慢。
import torch
for i in range(len(a)):
for j in range(len(b)):
k[i][j] = torch.exp( -(a[i]-b[j])**2 )
如何使用PyTorch编写高效的代码？
浏览 0提问于2021-11-02得票数 1
回答已采纳
1回答
例如，是否可以将numpy.exp或类似的逐点运算符应用于scipy.sparse.lil_matrix或其他稀疏矩阵格式中的所有元素？
import numpy
from scipy.sparse import lil_matrix
x = numpy.ones((10,10))
y = numpy.exp(x)
x = lil_matrix(numpy.ones((10,10)))
# y = ????
numpy.exp(x)或scipy.exp(x)产生AttributeError，numpy.exp(x.data)产生同样的结果。
谢谢!
浏览 1提问于2011-03-25得票数 7
3回答
我试图从一个指数中获得精确值，该指数得到一个非常小的浮点数作为输入，并给出结果0。
您可以使用以下代码重现该问题：
import numpy as np
from math import sqrt, log, exp, pi
k = np.array([[-746.9292399]])
z = exp(k)
print(z)
其结果将是743.0，对于我的pc，任何小于-100的结果都将是0
我尝试使用mpmath来解决这个问题，如下所示：
import numpy as np
from math import sqrt, log, exp, pi
import mpmath as mp
浏览 5提问于2020-03-26得票数 0
1回答
不同核函数的指数移动平均
、、、、
我试图复制一些公式，但在将数学转换为代码时遇到了困难。
这里是简单的指数移动平均
在c#中：
out[1] = values[1];
for (i in 2:N(X)) {
tmp = (times[i] - times[i-1]) / tau;
w = exp(-tmp);
w2 = (1 - w) / tmp;
out[i] = out[i-1] * w + values[i] * (1 - w2) + values[i-1] * (w2 - w);
}
在Python中：
mu = numpy.exp ((ts[1] - ts[0]) / self.tau)
nu
浏览 1提问于2014-07-31得票数 1
回答已采纳
我使用numpy.meshgrid方法在Python语言中绘制3D图。这个图是关于变量d1, d2的，但是我有一个由7个元素的数组组成的函数，这是3个独立于d1, d2的元素。当我试图绘制我的图表时，我遇到了这个错误： operands could not be broadcast together with shapes (7,) (120,120) 当我调试我的代码时，我发现独立于d1, d2的数组元素的形状为1，而其他数组元素的形状为120。如何使用numpy.meshgrid方法绘制这样的函数？ 谢谢。整个代码如下： import numpy
from mpl_toolkits.mp
浏览 23提问于2019-10-11得票数 0
1回答
图像检测器/usr/local/lib/python3.6/site-packages/imageai/Detection/Custom/init.py:1234: RuntimeWarning中的调整图像大小: exp返回1. / (1. + np.exp(-x))时遇到溢出
我一直收到这个警告，似乎与init.py中的这个函数有关。
@staticmethod
def _sigmoid(x):
return 1./(1. + np.exp(-x))
我们能期待这个模块的一些更新吗?或者可以修复它吗？就无视它？
PYTHON_VERSION=3.6.0 tensorflow-g
浏览 6提问于2021-08-25得票数 0
2回答
我正在编写一个用两个参数(a、b)初始化对象的类。其目的是将该类的实例分配给变量，这样我就可以用Python代码象征性地编写一个等式，但让操作符重载在a和b上执行唯一的操作。
import numpy as np
class my_class(object):
def __init__(self, a, b):
self.value1 = a
self.value2 = b
# Example of an overloaded operator that works just fine
def __mul__(self, othe
浏览 28提问于2021-12-11得票数 0
回答已采纳
第一个问题:我正在尝试用以下形式的函数来拟合实验数据：
f(x) = m_o*(1-exp(-t_o*x)) + ... + m_j*(1-exp(-t_j*x))
目前，我找不到一种方法来确定参数的数量m_j，t_j，我被迫这样做：
def fitting_function(x, m_1, t_1, m_2, t_2):
return m_1*(1.-numpy.exp(-t_1*x)) + m_2*(1.-numpy.exp(-t_2*x))
parameters, covariance = curve_fit(fitting_function, xExp, yExp, max
浏览 134提问于2016-07-12得票数 5
1回答
我试图运行一个代码，它可以打印出一个图形，但是我遇到了以下错误：
但是，如果我只是输入一个数值，代码就会运行。
M = np.zeros((2,2),dtype='complex')
kz = 2*self.n[i]*np.pi/self.lamdavac*np.cos(self.thetas[i])
delta = kz*self.d[i]
M[0][0]=np.exp(complex(0,-1)*delta)
k = np.array([0,0.0029553,g(lamda0),0])
其中，我将变量定义为函数，但每次运行代码时，我都会得到以下错误：
M=np.exp
浏览 0提问于2019-08-09得票数 0
我刚刚遇到了一个挑战，声称被google 2004所使用。
(the first 10-digit prime in e).com
与此无关，我想接受挑战，用python来解决它。
>>> '%0.52f' % math.exp(1)
'2.71828182845904509079**5598298427**6488423347473144531250'
>>> '%0.52f' % numpy.exp(1)
'2.71828182845904509079**5598298427**648842334
浏览 4提问于2015-09-02得票数 5
回答已采纳
2回答
数值稳定实现
、、
我需要在Matlab中计算向量的归一化指数。
简单写字
res = exp(V)/sum(exp(V))
V元素中的溢出大于log(realmax) = 709.7827。(我不确定地下水流的情况。)
我应该如何实现它以避免数值不稳定？
更新:关于如何避免溢出，我收到了很好的答复。然而，我仍然很高兴听到你的想法，可能在代码下流动。
浏览 5提问于2014-05-14得票数 8
回答已采纳
我正在运行Python3.7.6shell，并正确安装了库numpy。
在我的外壳中，我输入：
import numpy as np
我想怎么用就用什么。然后继续导入“my_lib.py”，其中包含：
def softmax(x):
e_x = np.exp(x - np.max(x))
return e_x / e_x.sum(axis=0)
在我的shell中，我可以调用函数softmax(x)，但是我立即得到了错误
NameError: name 'np' is not defined
我的假设是，我已经将numpy导入了“shell范围”，我还将soft
浏览 1提问于2021-02-21得票数 0
回答已采纳
我在有限的开发环境中工作。我在用Python写神经网络。我没有访问numpy的权限，事实上，我甚至不能导入数学模块。所以我的选择有限。我需要计算sigmoid函数，但是我不确定exp()函数是如何工作的。我理解指数，我可以使用如下代码：
base = .57
exp = base ** exponent
但是我不确定指数应该是多少？像numpy.exp()这样的函数是如何计算指数的？这就是我要复制的东西。
浏览 26提问于2021-07-22得票数 0
回答已采纳
exp表示指数函数
math module中的exp：
numpy module中的exp：
为什么numpy创建者会再次引入这个函数呢？
浏览 0提问于2015-06-08得票数 27
回答已采纳
我在理解下面的数值计算时遇到了困难。我有一个有两个变量的函数，r和gamma。现在我希望将该函数的根绘制为从0到500的伽马函数。我知道如何使用lambdify在变量的一维数组上计算函数。然而，我不明白如何使渐近找到给定变量γ的函数的根，然后遍历从0到500的许多伽马值。
import numpy as np
import sympy as sm
import sympy.mpmath as mpmath
from sympy.interactive import printing
printing.init_printing(use_latex=True)
r, gamma = sm.sy
浏览 3提问于2014-07-07得票数 2
阅读 one的TF指南时，会将logits和labels传递给函数，然后将sigmoid操作应用于logits。为了在x < 0时避免exp(-x)中的溢出，它们将该函数重新表述为：
max(x, 0) - x * z + log(1 + exp(-abs(x)))
这一切都很好，但是您可能希望网络的输出进行sigmoid变换并使用，而不会损失再次应用sigmoid。如何在用x < 0避免exp(-x)溢出的同时重新定义它呢？
浏览 0提问于2018-10-26得票数 0
当我在我的Surface Pro X上安装32位Anaconda，并试图在Jupyter笔记本中运行import numpy和pandas时，我得到了这个错误。
我尝试使用conda update numpy更新包。
C:\Users\mechm\Anaconda3\lib\site-packages\numpy\core\getlimits.py:174: RuntimeWarning: divide by zero encountered in exp2
eps=exp2(ld(-112)),
C:\Users\mechm\Anaconda3\lib\site-packages\num
浏览 64提问于2019-11-11得票数 0
1回答
这是神经网络代码示例中的一段：
def forward_step(X, W, b, W2, b2):
hidden_layer = np.maximum(0, np.dot(X, W) + b)
scores = np.dot(hidden_layer, W2) + b2
exp_scores = np.exp(scores)
probs = exp_scores / np.sum(exp_scores, axis=1, keepdims=True)
...
上面显示的代码的最后一行引发了一个错误：
<ipython-input-49-d97cff
浏览 17提问于2017-09-26得票数 6
回答已采纳
1回答
在单击按钮之前，我的下拉按钮隐藏在溢出div中，请查看图像。
下面的图片我点击了按钮
看那里，下拉内容进入了我的“溢出”域，我是如何解决这个问题的？
我用的是引导3.4。
我已经创建了自己的下拉菜单，但我也遇到了同样的问题。
浏览 4提问于2017-10-07得票数 0
回答已采纳
math.exp和numpy.exp的一个不同之处在于，如果您有一个具有C.exp方法的自定义类C，numpy.exp会注意到并委托给这个方法，而math.exp不会：
class C:
def exp(self):
return 'hey!'
import math
math.exp(C()) # raises TypeError
import numpy
numpy.exp(C()) # evaluates to 'hey!'
然而，如果您去，这似乎是理所当然的。在任何地方都没有明文规定。是否有记录此功能的地方？
更普遍的是，是
浏览 0提问于2018-07-20得票数 3
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
腾讯云开发者
