在二维数组上使用函数时处理 numpy.exp 溢出答案

【问题标题】：Handling numpy.exp overflow when using function on 2d-array在二维数组上使用函数时处理 numpy.exp 溢出
【发布时间】：2019-09-04 15:09:29
【问题描述】：

我有一个 2d numpy 数组，我想在其上使用我的函数 sigmoid(x)，它是：

    def sigmoid(x):
        return 1 / (1 + np.exp(-x))

我的问题是我的输入太大了，比如 3000，我收到了这个警告：

RuntimeWarning: overflow encountered in exp
  return 1 / (1 + np.exp(-x/8.))

我试图仅将值分配给超过特定数字的输入，例如 700 -> 1 和 -700 -> 0，但是，这非常慢，因为我必须遍历整个数组那样。

我也研究了np.logandexp(x1, x2)，但我无法让它工作......

编辑：数据类型是float64 btw

【问题讨论】：

你的数组dtype是什么？
数据类型为float64
为什么不使用scipy.special.expit？或者，忽略或抑制警告；它们是无害的，因为无论如何你都应该得到正确的浮点结果。

标签： python numpy exponentiation sigmoid

【解决方案1】：

您可以使用SciPy's expit() function，它的表现非常好：

In [114]: from scipy.special import expit

# sample input array
In [115]: x = np.arange(50000, dtype=np.float64)

In [116]: sigm = expit(x)

# sanity check for no `np.inf`
In [117]: expit(70000.0)
Out[117]: 1.0

【讨论】：

【解决方案2】：

您可以将输入转换为日志空间并在之后运行 sigmoid，这会显着缩小较大的值。

【讨论】：