python - 如何避免下溢尝试将元素归零
问题描述
我有一个大的 numpy 2d 数组F
,其中包含复数 ( np.complex64
)。它有很多非常小的数字。为了我的计算,我只需要 ~1e-6 - 1e-9 的精度。由于这个矩阵非常大,我尝试使用稀疏矩阵表示。所以我尝试这样做:
np.seterr(all="raise")
...
F = getF()
F[np.abs(F) < EPSILON] = 0
# EPSILON = 1e-9. It is supposed to be in between 1e-6 and 1e-9
return csr_matrix(F)
但是计算绝对值会产生下溢错误(numpy 设置为引发错误):
FloatingPointError: underflow encountered in absolute
如果未完成,Numpy 不会引发错误seterr
,而只会输出导致问题的 NaN,因为该矩阵 F 是一系列计算的起点。
根据我的阅读,下溢主要是通过获取日志并直接使用日志值而不是主要值来处理的,但是在这种情况下,我还是想将它们全部丢弃。有没有一种理智的方法呢?我想过,np.clip
但我有复数数据,所以使用它不是很简单。
所以我的问题是是否存在一种优雅的(并且希望是规范的)处理方式?
解决方案
首先,我可以重现您的错误。正如 dawg 指出的那样,如果您使用float
而不是complex
. 这也是选项 B 的原因,因为 real 和 imag 部分都是浮点数组。另一种选择(C)是使用更多位来表示您的数据,我猜 complex128 是 numpy 的默认值。
import numpy as np
np.seterr(all="raise")
eps = 1e-9
def get_F(n=100):
# generate some random data with some really small values
r, i = np.random.random((2, n, n))**50
F = r + 1j*i
return F.astype('complex64')
# A: fails
F = get_F()
F[np.abs(F) < eps] = 0
# B: clip real and imag separatly
F = get_F()
F.real[np.abs(F.real) < eps] = 0
F.imag[np.abs(F.imag) < eps] = 0
# C: use more bits to represent your data
F = get_F()
F = F.astype('complex128')
F[np.abs(F) < eps] = 0
print('nonzeros in F:', np.count_nonzero(F))
推荐阅读
- java - Firebase 数据库数据检索 getter 错误
- visual-studio - 使用 Start without Debugging 运行 Web 应用程序时,Visual Studio 可以检测 http 请求并自动重建吗?
- node.js - 从 Heroku 向 mLab 调用 api 时拓扑被破坏
- spring - Spring中带有maven的多模块项目
- java - JNI 中的 ReleaseStringUTFChars 导致崩溃 (SIGSEGV)
- android - 当我尝试重复我的操作时应用程序表现不佳
- r - dplyr 按 id 分组 N 天内的数据
- jquery - Bootstrap 轮播 7 个项目显示在页面上,通过点击和触摸移动单个项目
- java - java - 如何从用逗号和空格分隔的java中的控制台获取输入?
- php - 如何使用带有 API Key 和 API Secret 的 PHP 查询 OData API?获取“未设置 URL!” 卷曲错误