Jestem nowy w programowaniu. W swoim najnowszym projekcie Python 2.7 I napotkał następujący:Python RuntimeWarning: przepełnienie napotkane w długich skalarach
RuntimeWarning: przepełnienie napotkany w long_scalars
Może ktoś proszę opracować, co to oznacza i co mogę zrobić, aby to naprawić?
Kod przechodzi, ale nie jestem pewien, czy dobrze jest po prostu zignorować ostrzeżenie.
Zdarza się podczas procesu dopisywania jak:
SomeList.append(VeryLongFormula)
Oto przykład, który emituje taką samą ostrzeżenie:
import numpy as np
np.seterr(all='warn')
A = np.array([10])
a=A[-1]
a**a
plony
RuntimeWarning: overflow encountered in long_scalars
W powyższym przykładzie to się dzieje, ponieważ a jest dtype int32, a maksyma v Zapis alue w pliku int32 to 2 ** 31-1. Od 10**10 > 2**32-1, potęgowanie skutkuje liczbą większą niż ta, którą można zapisać w postaci int32.
Należy pamiętać, że nie można polegać na np.seterr(all='warn'), aby uchwycić wszystkie błędy przepełnienia w numpy. Na przykład, na 32-bitowym NumPy
>>> np.multiply.reduce(np.arange(21)+1)
-1195114496
natomiast na 64-bitowym NumPy:
>>> np.multiply.reduce(np.arange(21)+1)
-4249290049419214848
Zarówno zawieść bez żadnego ostrzeżenia, chociaż jest to również z powodu błędu przepełnienia. Prawidłowa odpowiedź jest taka, że 21! równa
In [47]: import math
In [48]: math.factorial(21)
Out[50]: 51090942171709440000L
According to numpy developer, Robert Kern,
przeciwieństwie do prawdziwych błędów zmiennoprzecinkowych (gdzie FPU sprzętu ustawia flagę kiedy robi operację atomową, która przelewa), musimy wdrożyć wykrywanie całkowitą przepełnienia my sami. Robimy to na skalarach , ale bez tablic, ponieważ byłoby zbyt wolne, aby zaimplementować dla każdej operacji atomowej na tablicach.
Tak więc obciążenie polega na tym, aby wybrać odpowiedni dtypes, aby żadna operacja nie była przepełniona.
Dzięki! Jak zdefiniować, jakiego typu dtype chcę? – timkado
Możesz ustawić 'dtype' podczas tworzenia tablicy numpy. Na przykład w powyższym przykładzie można uniknąć błędu przepełnienia, ustawiając: 'A = np.array ([10], dtype = 'int64')' – unutbu
Oto [lista podstawowych dtypów] (http: // docs.scipy.org/doc/numpy/user/basics.types.html#data- typeses). – unutbu
Łatwym sposobem rozwiązania tego problemu jest użycie 64 bitowy typ
list = numpy.array(list, dtype=numpy.float64)
Mógłbyś pokazać [krótki, pełny przykład] (http://sscce.org/), który pokazuje ten problem ? –
Zawarłeś tag numpy. Nic w twoich pytaniach nie sugeruje odrętwienia. Nie podałeś kodu, który pozwala nam odtworzyć błąd. Zrób tak, proszę. –
możliwy duplikat http://stackoverflow.com/questions/3767409/python-warning-possibly-numpy – rocksportrocker